文件名称：MATLAB用拟合出的代码绘图-pythonML:使用Python和Python库而不是Matlab/Octave重新实现我在机器学习中的学习
文件大小：229KB
文件格式：ZIP
更新时间：2024-06-10 11:01:14
系统开源
MATLAB用拟合出的代码绘图pythonML 使用Python和Python库而不是Matlab / Octave重新实现我在机器学习中的学习。 许可为：CC BY-SA 3.0 pythonDemo1 采集2D数据，将其绘制并使用Python库进行拟合。 一个非常简单的“ Hello World！” 重新分配第一个任务的级别。 pythonDemo2 带来的CSV数据包含两个功能和一个类别：x数据（房屋的平方英尺和卧室数）和y数据，以美元表示房屋价格。 将该信息放入数据结构中，然后以3D图形式显示。 使用gradientDecent函数拟合数据，然后打印出theta的最终拟合值。 以下是源数据的2D渲染。 实际执行代码时，将生成3D图。 pythonDemo3.1 CSV数据包含两个功能和一个类别：x数据（2个单独测试的学生成绩）和y数据，表示是否被大学录取。 对这两个特征执行逻辑回归，从而在接受和拒绝的潜在学生区域之间进行线性最佳拟合边界估计。 下面是显示所有学生数据的2D图，每个图都有一个表示接受或拒绝的符号。 另外，还绘制了线性拟合的描述线。 该行是基于先前计算的逻辑回归生成
【文件预览】：
pythonML-master
----pythonDemo1.py(805B)
----pythonDemo2.py(3KB)
----data()
--------ex1data2.txt(657B)
--------ex1data1.txt(1KB)
--------ex2data1.txt(4KB)
--------ex2data2.txt(2KB)
----regressionLib.py(1KB)
----README.md(3KB)
----pythonDemo3.1.py(3KB)
----figures()
--------python_demo_3_figure_2.png(53KB)
--------python_demo_3_figure_1.png(50KB)
--------python_demo_1_figure_1.png(38KB)
--------python_demo_2_figure_1.png(92KB)
----pythonDemo3.2.py(4KB)
----README.md~(3KB)