非线性逻辑回归

非线性逻辑回归的代码：

关于 PolynomialFeatures

PolynomialFeatures 多项式特征，设置不同的degree，可以变的更拟合，如图

scale = False

数据是否需要标准化

preprocessing.scale(X)直接标准化数据X

np.r—和np.c

# np.r_按row来组合array， 
# np.c_按colunm来组合array

#>>> a = np.array([1,2,3])
# >>> b = np.array([5,2,5])
# >>> np.r_[a,b]
# array([1, 2, 3, 5, 2, 5])
# >>> np.c_[a,b]
# array([[1, 5],
#        [2, 2],
#        [3, 5]])
# >>> np.c_[a,[0,0,0],b]
# array([[1, 0, 5],
#        [2, 0, 2],
#        [3, 0, 5]])

xx.ravel()

xx.ravel() :表示把一个矩阵行优先展成一个向量.跟flatten一样.

np.meshgrid()函数

X, Y = np.meshgrid(x, y) 代表的是将x中每一个数据和y中每一个数据组合生成很多点,然后将这些点的x坐标放入到X中,y坐标放入Y中,并且相应位置是对应的

plt.contourf

plt.contourf用来画出不同分类的边界线

return [1 if x >= 0.5 else 0 for x in sigmoid(xMat*ws)]

是先进行for循环，再进行判断后赋值

重点：

https://github.com/xinxuann/MachineLearningNote/blob/main/逻辑回归/梯度下降法-非线性逻辑回归.ipynb
https://github.com/xinxuann/MachineLearningNote/blob/main/逻辑回归/sklearn-非线性逻辑回归.ipynb