python - 使用python进行逻辑回归

Question

我想在 python 中从头开始实现 Logisitic 回归。以下是其中的功能：

1. 乙状结肠
2. 成本
3. fminunc
4. 评估逻辑回归

我想知道，在 python 中从头开始会是一个很好的开始。关于如何以及什么是好的任何指导。我知道这些函数的理论，但正在寻找更好的 Pythonic 答案。

我使用了 octave，但我不知道如何在 python 中开始，因为 OCtave 已经设置了这些包来完成这项工作。

Answer 1

您可能想尝试将您的 octave 代码转换为 python 并查看发生了什么。您也可以使用 python 包为您执行此操作。查看关于逻辑回归的 scikit-learn 。此博客中还有一个简单的示例。

Answer 2

为了实现逻辑回归，您可以考虑以下两种方法：

1. 考虑线性回归的工作原理。将 Sigmoid 函数应用于线性回归假设并运行梯度下降直到收敛。或应用基于指数的 Softmax 函数来排除较低的发生可能性。

   def logistic_regression(x, y,alpha=0.05,lamda=0):
       '''
       Logistic regression for datasets
       '''
       m,n=np.shape(x)
       theta=np.ones(n)
       xTrans = x.transpose()
       oldcost=0.0
       value=True
       while(value):
           hypothesis = np.dot(x, theta)
           logistic=hypothesis/(np.exp(-hypothesis)+1)
           reg = (lamda/2*m)*np.sum(np.power(theta,2))
           loss = logistic - y
           cost = np.sum(loss ** 2)
           #print(cost)
           # avg cost per example (the 2 in 2*m doesn't really matter here.
           # But to be consistent with the gradient, I include it)
           # avg gradient per example
           gradient = np.dot(xTrans, loss)/m
           # update
           if(reg):
               cost=cost+reg
               theta = (theta - (alpha) * (gradient+reg))
           else:
               theta=theta -(alpha/m) * gradient
           if(oldcost==cost):
               value=False
           else:
               oldcost=cost
       print(accuracy(theta,m,y,x))
       return theta,accuracy(theta,m,y,x)