機(jī)器學(xué)習(xí)實(shí)戰(zhàn)Py3.x填坑記5—Logistic回歸

此博客為博主原創(chuàng)文章，轉(zhuǎn)載請(qǐng)注明出處。謝謝

本章內(nèi)容：
1、Sigmoid函數(shù)和Losgistic回歸分類(lèi)器
2、最優(yōu)化理論初步
3、梯度下降最優(yōu)化算法
4、數(shù)據(jù)中的缺失項(xiàng)處理

在運(yùn)行<程序清單5-4 改進(jìn)的隨機(jī)梯度上升算法>出現(xiàn)出現(xiàn)錯(cuò)誤：

In [38]:reload(logRegres)
Out[38]: <module 'logRegres' from 'D:\\py\\meachinelearning\\ch05\\logRegres.py'>
In [39]:dataArr, labelMat = logRegres.loadDataSet()
In [40]:weights = logRegres.stocGradAscent1(array(dataArr), labelMat)
Traceback (most recent call last):
……
del (dataIndex[randIndex])
TypeError: 'range' object doesn't support item deletion

#經(jīng)過(guò)看出錯(cuò)信息發(fā)現(xiàn)是del (dataIndex[randIndex])出現(xiàn)錯(cuò)誤。
將dataIndex = range(m)更改為dataIndex = list(range(m))，解決問(wèn)題。

關(guān)于處理數(shù)據(jù)中的缺失值可以看《利用Python進(jìn)行數(shù)據(jù)分析》這本書(shū)。

出現(xiàn)問(wèn)題，搜索出現(xiàn)比較好的參考：
預(yù)測(cè)數(shù)值型數(shù)據(jù)——回歸
《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》筆記之八——預(yù)測(cè)數(shù)值型數(shù)據(jù)：回歸
機(jī)器學(xué)習(xí)-Logistic回歸python實(shí)現(xiàn)
機(jī)器學(xué)習(xí)4logistic回歸

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書(shū)系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容