logistics迴歸分類圖片
之前學習了KNN分類圖片的方法,哈哈,還挺好理解的,就是代碼不好敲-懶癌患者,快寫 快寫
- 原理
- 自己的理解
- 圖片鏈接和圖片上傳
- LaTex數學公式
- UML序列圖和流程圖
- 離線寫博客
- 導入導出Markdown文件
- 豐富的快捷鍵
原理
https://chenrudan.github.io/blog/2016/01/09/logisticregression.html
http://blog.csdn.net/u012162613/article/details/41844495
代碼理解
自己的理解
訓練出在n維空間中(如一副圖像拉伸成一個n*1 的特徵向量),訓練出能劃分該空間類別的(超平面)函數的權重
代碼塊
def gradAscent(dataArray,labelArray,alpha,maxCycles):
dataMat=mat(dataArray) #size:m*n
labelMat=mat(labelArray) #size:m*1
m,n=shape(dataMat)
weigh=ones((n,1))
for i in range(maxCycles):
h=sigmoid(dataMat*weigh) #一張圖片一個n維權重向量
error=labelMat-h #size:m*1 即y-h
weigh=weigh+alpha*dataMat.transpose()*error
return weigh
目錄
用 [TOC]
來生成目錄: