吴恩达机器学习系列内容的学习目录 → \rightarrow →​ ​​吴恩达机器学习系列内容汇总​​。



      本次练习对应的基础知识总结 → \rightarrow →​ ​​Logisitic回归​​​和​​正则化​​。

      本次练习对应的文档说明和提供的MATLAB代码 → \rightarrow → ​ ​ 提取码：iuvr​​ 。

      本次练习对应的完整代码实现(MATLAB + Python版本) → \rightarrow →​ ​Github链接​​。

    一、Logistic回归

      在本部分练习中，我们将建立一个Logistic回归模型，以预测学生是否被大学录取。

      假设你是大学一个部门的管理人员，并且你想根据每位申请者的两次考试成绩来确定他们的录取机会。你拥有每位申请者的历史数据，可以用作Logistic回归的训练集。对于每个训练样本，你都有申请者的两次考试成绩以及录取决定。

      我们的任务是建立一个分类模型，根据这两次考试成绩来估计申请者的录取概率。我们可以通过ex2.m中的代码框架完成本次练习。

    1.1 可视化数据

      在开始使用任何学习算法之前，最好尽可能可视化数据。在ex2.m的第一部分中，代码将加载数据并通过调用plotData函数将其显示在二维图上。

      现在，我们将在plotData中完成代码，以使其显示如图1所示的图形，其中轴是两次考试成绩，并且正负两种样本用不同的标记表示。

      完成plotData.m时需要填写以下代码：

    % Find Indices of Positive and Negative Examples %找出正反例子的索引
    pos = find(y==1); neg = find(y == 0);  %pos 和neg 分别是 y元素=1和0的所在的位置序号组成的向量
    % Plot Examples
    plot(X(pos, 1), X(pos, 2), 'k+','LineWidth', 2,'MarkerSize', 7); %x中对应y等于1的第一列和第二列
    plot(X(neg, 1), X(neg, 2), 'ko', 'MarkerFaceColor', 'y','MarkerSize', 7);%将数据点以圆形、黄色实心填充

    更多文章请关注《万象专栏》