二分类逻辑回归代码 matlab

您可以使用以下的MATLAB代码实现二分类逻辑回归：

% 定义逻辑函数 sigmoid
function y = sigmoid(X, theta)
    y = 1./(1 + exp(-X*theta));
end

% 定义代价函数 cost function
function [J = costLog(theta, X, y, lambda)
    m = length(y); % 样本数量
    J = (-1/m) * sum(y.*log(sigmoid(X,theta)) + (1-y).*log(1-sigmoid(X,theta))) + (lambda/(2*m)) * sum(theta(2:end).^2);
end

% 定义梯度下降函数 gradient descent
function [theta, J_history = gradientDescent(X, y, theta, alpha, lambda, num_iters)
    m = length(y); % 样本数量
    J_history = zeros(num_iters, 1); % 保存每次迭代的代价值
    
    for iter = 1:num_iters
        h = sigmoid(X, theta); % 计算预测值
        theta = theta - (alpha/m) * (X' * (h - y) + lambda * [0; theta(2:end)]); % 更新参数
        J_history(iter) = costLog(theta, X, y, lambda); % 计算代价值
    end
end

% 主程序
% 加载数据
data = load('data.txt');
X = data(:, 1:2);
y = data(:, 3);

% 特征缩放
X = featureNormalize(X);

% 添加偏置项
X = [ones(size(X,1), 1) X];

% 初始化参数
initial_theta = zeros(size(X, 2), 1);

% 设置超参数
alpha = 0.01; % 学习率
lambda = 1; % 正则化参数
num_iters = 1000; % 迭代次数

% 运行梯度下降算法
 = gradientDescent(X, y, initial_theta, alpha, lambda, num_iters);

% 绘制代价历史曲线
iteration = 1:num_iters;
plot(iteration, J_history);
xlabel('迭代次数');
ylabel('代价值');
title('代价历史曲线');

% 预测新样本
x_new = [1 45 85]; % 新样本特征
x_new = featureNormalize(x_new); % 特征缩放
x_new = [1 x_new]; % 添加偏置项

prediction = sigmoid(x_new, theta); % 预测结果

这段代码实现了二分类逻辑回归，包括了逻辑函数 sigmoid、代价函数 cost function 和梯度下降函数 gradient descent。在主程序中，首先加载数据并进行特征缩放和添加偏置项。然后，初始化参数和设置超参数，并调用梯度下降算法进行迭代优化。最后，绘制代价历史曲线并预测新样本的分类结果。

请注意，代码中的函数和变量名与引用内容中的命名可能稍有不同，但是实现的功能是相同的。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [逻辑回归实现二分类（matlab代码）](https://blog.csdn.net/m0_63851155/article/details/123943731)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [使用蒙特卡洛算法解算炼油厂的选址MATLAB程序，提供试题照片，以及MATLAB代码](https://download.csdn.net/download/li171049/88270068)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]