matlablogistic模型的代码

以下是一个简单的 MATLAB Logistic 回归模型的示例代码：

% 创建数据集
x = linspace(0,10,100);
y = 5./(1+exp(-0.5*x))+randn(size(x));

% 将数据集分为训练集和测试集
train_ratio = 0.8;
train_size = round(train_ratio*numel(x));
train_idx = sort(randperm(numel(x),train_size));
test_idx = setdiff(1:numel(x),train_idx);

% 训练模型
Xtrain = x(train_idx)';
Ytrain = y(train_idx)';
Xtest = x(test_idx)';
Ytest = y(test_idx)';
[beta,dev,stats] = glmfit(Xtrain,Ytrain,'binomial','link','logit');

% 预测测试集并计算准确率
Ypred = glmval(beta,Xtest,'logit');
Ybin = Ypred > 0.5;
accuracy = sum(Ybin == Ytest)/numel(Ytest);

% 绘制结果
figure
plot(Xtrain,Ytrain,'.b')
hold on
plot(Xtest,Ytest,'.r')
plot(Xtest,Ypred,'-g')
legend('训练集','测试集','预测值')
title(['准确率: ' num2str(accuracy*100) '%'])

这段代码创建了一个包含随机噪声的数据集，将其分为训练集和测试集，使用 `glmfit` 函数对训练集进行 Logistic 回归模型的训练，使用 `glmval` 函数对测试集进行预测，最后计算预测准确率并绘制结果。