- github地址:https://github.com/lawlite19/MachineLearning_Python
- 逻辑回归具体的内容请参考上篇博客
1、随机显示100个数字
- 我没有使用scikit-learn中的数据集,像素是20*20px,彩色图如下
灰度图:
- 实现代码:
def display_data(imgData):sum = 0'''显示100个数(若是一个一个绘制将会非常慢,可以将要画的数字整理好,放到一个矩阵中,显示这个矩阵即可)- 初始化一个二维数组- 将每行的数据调整成图像的矩阵,放进二维数组- 显示即可'''pad = 1display_array = -np.ones((pad+10*(20+pad),pad+10*(20+pad)))for i in range(10):for j in range(10):display_array[pad+i*(20+pad):pad+i*(20+pad)+20,pad+j*(20+pad):pad+j*(20+pad)+20] = (imgData[sum,:].reshape(20,20,order="F")) sum += 1plt.imshow(display_array,cmap='gray') plt.axis('off')plt.show()
2、OneVsAll
- 如何利用逻辑回归解决多分类的问题,OneVsAll就是把当前某一类看成一类,其他所有类别看作一类,这样有成了二分类的问题了
- 如下图,把途中的数据分成三类,先把红色的看成一类,把其他的看作另外一类,进行逻辑回归,然后把蓝色的看成一类,其他的再看成一类,以此类推…
- 可以看出大于2类的情况下,有多少类就要进行多少次的逻辑回归分类
3、手写数字识别
- 共有0-9,10个数字,需要10次分类
- 由于数据集y给出的是
0,1,2...9
的数字,而进行逻辑回归需要0/1
的label标记,所以需要对y处理 - 说一下数据集,前
500
个是0
,500-1000
是1
,...
,所以如下图,处理后的y
,前500行的第一列是1,其余都是0,500-1000行第二列是1,其余都是0….
- 然后调用梯度下降算法求解
theta
- 实现代码:
def oneVsAll(X,y,num_labels,Lambda):m,n = X.shapeall_theta = np.zeros((n+1,num_labels)) X = np.hstack((np.ones((m,1)),X)) class_y = np.zeros((m,num_labels)) initial_theta = np.zeros((n+1,1)) for i in range(num_labels):class_y[:,i] = np.int32(y==i).reshape(1,-1) '''遍历每个分类,计算对应的theta值'''for i in range(num_labels):result = optimize.fmin_bfgs(costFunction, initial_theta, fprime=gradient, args=(X,class_y[:,i],Lambda)) all_theta[:,i] = result.reshape(1,-1) all_theta = np.transpose(all_theta) return all_theta
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
4、预测
- 之前说过,预测的结果是一个概率值,利用学习出来的
theta
代入预测的S型函数中,每行的最大值就是是某个数字的最大概率,所在的列号就是预测的数字的真实值,因为在分类时,所有为0
的将y
映射在第一列,为1的映射在第二列,依次类推 - 实现代码:
def predict_oneVsAll(all_theta,X):m = X.shape[0]num_labels = all_theta.shape[0]p = np.zeros((m,1))X = np.hstack((np.ones((m,1)),X)) h = sigmoid(np.dot(X,np.transpose(all_theta))) '''返回h中每一行最大值所在的列号- np.max(h, axis=1)返回h中每一行的最大值(是某个数字的最大概率)- 最后where找到的最大概率所在的列号(列号即是对应的数字)'''p = np.array(np.where(h[0,:] == np.max(h, axis=1)[0])) for i in np.arange(1, m):t = np.array(np.where(h[i,:] == np.max(h, axis=1)[i]))p = np.vstack((p,t))return p
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
5、运行结果
- 10次分类,在训练集上的准确度:
from scipy import io as spio
import numpy as np
from sklearn import svm
from sklearn.linear_model import LogisticRegression
data = loadmat_data("data_digits.mat") X = data['X'] # 获取X数据,每一行对应一个数字20x20pxy = data['y'] # 这里读取mat文件y的shape=(5000, 1)y = np.ravel(y) # 调用sklearn需要转化成一维的(5000,)
model = LogisticRegression()model.fit(X, y) # 拟合
predict = model.predict(X) print u"预测准确度为:%f%%"%np.mean(np.float64(predict == y)*100)
- 5、输出结果(在训练集上的准确度)