二元邏輯回歸可用于向量的概率預測，是一種分類算法。迭代方式可選擇最小二乘法或梯度下降。
迭代之后會得到每個特征的系數。


公式（對于有N個特征的向量,其中w[i]為權）：
f(x) = 1/(1+ e^[-(w0+w1*x1+w2*x2+...+wn*xn)])


例如有兩個特征w1和w2（最小二乘后可得到，以及w0），即可使用公式來計算，在x1和x2的條件下，概率為多少。




實現代碼 （C# with accord.net）：


? public class LogisticRegressionDemo{public static void Execute(){double[][] input ={new double[] { 55, 0 },new double[] { 28, 0 },new double[] { 65, 1 },new double[] { 46, 0 },new double[] { 86, 1 },new double[] { 56, 1 },new double[] { 85, 0 },new double[] { 33, 0 },new double[] { 21, 1 },new double[] { 42, 1 },};double[] output ={0, 0, 0, 1, 1, 1, 0, 0, 0, 1};LogisticRegression regression = new LogisticRegression(2);var trainer = new IterativeReweightedLeastSquares(regression);double delta = 0;do{// Perform an iterationdelta = trainer.Run(input, output);} while (delta > 0.001);var b1 = regression.Coefficients[1];var b2 = regression.Coefficients[2];var b0 = regression.Intercept;var func = new Func<double, double, double>((x1, x2) =>{var result = 1 / (1 + Math.Exp(-b0 - b1 * x1 - b2 * x2));return result;});var age = 79;var smoking = 0;var r = func(age, smoking);Console.WriteLine("input x [age:{0}, smoking:{1}] is {2}", age, smoking, r);}}static void Main(string[] args){LogisticRegressionDemo.Execute();Console.ReadLine();}

本例使用了accord.net framework ，是不錯的.NET機器學習算法學習庫。

http://accord-framework.net

總結

以上是生活随笔為你收集整理的机器学习 -- 二元逻辑回归实例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。