吴恩达机器学习多标签分类练习
发布时间
阅读量：
阅读量
本次实践将采用Logistic回归模型，用于识别手写数字（0至9），并在原有Logistic回归实现基础上进行扩展，进而应用于一对多分类任务。
当前目标是构建一对一的全分类方法，具体而言，当存在K个不同类别时，将建立K个分类器。每个分类器负责判断样本是否属于特定的’类别i’，即在’类别i’与非’类别i’之间进行区分。分类器的训练过程被封装于一个函数中，该函数能够计算10个分类器各自的最终权重，并最终返回一个K*(n+1)的数组作为结果，其中n表示参数的数量。
import numpy as np
import pandas as pd
import matplotlib as plt
from scipy.io import loadmat
data = loadmat('ex3data1')
# 400维‘特征’是原始20*20图像中每个像素的灰度强度
# print(data['X'].shape) #(5000,400)
# print(data['y'].shape) #(5000,1)
def sigmoid(z):
return 1 / (1 + np.exp(-z))
def cost(theta,X,y,learningRa全部评论 (0)
还没有任何评论哟~