python機器學習之分類器

標籤：reg   pyplot   元素   int   import   相等   size   sigma   1.9   

簡單分類器

 1 import numpy as np 2 import matplotlib.pyplot as mp 3 x = np.array([ 4     [3, 1], 5     [2, 5], 6     [1, 8], 7     [6, 4], 8     [5, 2], 9     [3, 5],10     [4, 7],11     [4, -1]])12 y = np.array([0, 1, 1, 0, 0, 1, 1, 0])13 14 # X[:,0]是numpy中數組的一種寫法，表示對一個二維數組，取該二維數組第一維中的所有資料，第二維中取第0個資料，直觀來說，X[:,0]就是取所有行的第0個資料,15 # X[:,1] 就是取所有行的第1個資料。16 l, r, h = x[:, 0].min() - 1, x[:, 0].max() + 1, 0.00517 b, t, v = x[:, 1].min() - 1, x[:, 1].max() + 1, 0.00518 # meshgrid（）根據傳入的兩個一維數組參數產生兩個數組元素的列表19 grid_x = np.meshgrid(np.arange(l, r, h), np.arange(b, t, v))20 # 做列拼接21 # np.c_是按行串連兩個矩陣，就是把兩矩陣左右相加，要求行數相等，類似於pandas中的merge()22 flat_x = np.c_[grid_x[0].ravel(), grid_x[1].ravel()]23 flat_y = np.zeros(len(flat_x), dtype=int)24 25 flat_y[flat_x[:, 0] < flat_x[:, 1]] = 126 grid_y = flat_y.reshape(grid_x[0].shape)27 28 29 mp.figure(‘Simple Classfication‘, facecolor=‘lightgray‘)30 mp.title(‘Simple Classfication‘, fontsize=20)31 mp.xlabel(‘x‘, fontsize=14)32 mp.ylabel(‘y‘, fontsize=14)33 mp.tick_params(labelsize=10)34 # 用顏色繪製網格35 mp.pcolormesh(grid_x[0], grid_x[1], grid_y, cmap=‘gray‘)36 mp.scatter(x[:, 0], x[:, 1], c=y, cmap=‘brg‘, s=60)37 mp.show()

簡單分類

邏輯分類

　　J(k1,k2,b) = sigma(-ylog(y‘)-(1-y)log(1-y‘))/m +m正則函數(||k1,k2,b||)x正則強度

　　介面：

　　sklearn.linear_model.LogisticRegression(solver=‘liblinear‘, C=正則強度)

 1 import numpy as np 2 import sklearn.linear_model as lm 3 import matplotlib.pyplot as mp 4 x = np.array([ 5     [4, 7], 6     [3.5, 8], 7     [3.1, 6.2], 8     [0.5, 1], 9     [1, 2],10     [1.2, 1.9],11     [6, 2],12     [5.7, 1.5],13     [5.4, 2.2]])14 y = np.array([0, 0, 0, 1, 1, 1, 2, 2, 2])15 # 建立邏輯分類器16 model = lm.LogisticRegression(solver=‘liblinear‘,17                               C=1000)18 model.fit(x, y)19 l, r, h = x[:, 0].min() - 1, x[:, 0].max() + 1, 0.00520 b, t, v = x[:, 1].min() - 1, x[:, 1].max() + 1, 0.00521 grid_x = np.meshgrid(np.arange(l, r, h),22                      np.arange(b, t, v))23 flat_x = np.c_[grid_x[0].ravel(), grid_x[1].ravel()]24 flat_y = model.predict(flat_x)25 grid_y = flat_y.reshape(grid_x[0].shape)26 mp.figure(‘Logistic Classification‘,27           facecolor=‘lightgray‘)28 mp.title(‘Logistic Classification‘, fontsize=20)29 mp.xlabel(‘x‘, fontsize=14)30 mp.ylabel(‘y‘, fontsize=14)31 mp.tick_params(labelsize=10)32 mp.pcolormesh(grid_x[0], grid_x[1], grid_y, cmap=‘gray‘)33 mp.scatter(x[:, 0], x[:, 1], c=y, cmap=‘brg‘, s=60)34 mp.show()

邏輯分類器

python機器學習之分類器