python代码逻辑回归模型的参数估计算法的代码
时间: 2023-11-12 22:32:34 浏览: 67
逻辑回归模型Python代码
下面是Python代码实现逻辑回归模型参数估计的示例:
```python
import numpy as np
class LogisticRegression:
def __init__(self, lr=0.01, num_iter=100000, fit_intercept=True, verbose=False):
self.lr = lr
self.num_iter = num_iter
self.fit_intercept = fit_intercept
self.verbose = verbose
def __add_intercept(self, X):
intercept = np.ones((X.shape[0], 1))
return np.concatenate((intercept, X), axis=1)
def __sigmoid(self, z):
return 1 / (1 + np.exp(-z))
def __loss(self, h, y):
return (-y * np.log(h) - (1 - y) * np.log(1 - h)).mean()
def fit(self, X, y):
if self.fit_intercept:
X = self.__add_intercept(X)
self.theta = np.zeros(X.shape[1])
for i in range(self.num_iter):
z = np.dot(X, self.theta)
h = self.__sigmoid(z)
gradient = np.dot(X.T, (h - y)) / y.size
self.theta -= self.lr * gradient
if self.verbose and i % 10000 == 0:
z = np.dot(X, self.theta)
h = self.__sigmoid(z)
print(f'Loss: {self.__loss(h, y)} \t')
def predict_prob(self, X):
if self.fit_intercept:
X = self.__add_intercept(X)
return self.__sigmoid(np.dot(X, self.theta))
def predict(self, X, threshold=0.5):
return self.predict_prob(X) >= threshold
```
在上述代码中,我们使用了最小化负对数似然函数的方法来实现逻辑回归模型参数的估计。具体来说,我们使用了梯度下降法来最小化负对数似然函数。在fit()函数中,我们首先添加了一个截距项,然后初始化模型参数theta为零。然后,我们在循环中使用梯度下降法来更新模型参数theta,以最小化负对数似然函数。最后,我们可以使用predict()函数来进行预测。
阅读全文