【文件属性】:
文件名称:matlab+人口增长代码-Machine-Learning:机器学习
文件大小:21.75MB
文件格式:ZIP
更新时间:2021-05-27 15:32:01
系统开源
matlab
+人口增长代码乳腺癌分类器(Logistic回归)
此代码可帮助您使用Logistic回归对恶性和良性肿瘤进行分类
Sourcerer
规范要求
示例代码在Matlab中(或更高版本可以使用)。
您可以安装Conda
for
python,它可以解析机器学习的所有依赖关系。
描述
Logistic回归是为方法核心使用的函数Logistic函数而命名的。
统计学家开发了逻辑函数,也称为S形函数,用于描述生态中人口增长的特性,该特性Swift增长并在环境的承载能力方面达到最大化。
这是一条S形曲线,可以采用任何实数值并将其映射为0到1之间的一个值,但永远不能精确地位于这些极限值处。
1
/(1
+
e
^-值)
想要查询更多的信息,
一些注意事项
数据集-UCI-ML
我仅使用32个功能中的2个进行分类。
工作实例
执行
要运行代码,请输入run
breast_cancer.m
run
breast_cancer.m
Python实现
数据集-UCI-ML
我使用了30种功能进行分类
我使用的是1
=良性和2
=恶性,而不是0
=良性和1
=恶性
准确度〜92%
执行
要运行
【文件预览】:
Machine-Learning-master
----.gitignore(649B)
----breast_cancer.gif(3.38MB)
----breast_cancer_python()
--------cancer_data_heading.xlsx(8KB)
--------cancer_data.csv(85KB)
--------B_Cancer.py(6KB)
--------cancer_data_y.csv(838B)
--------test_cancer_data_y.csv(300B)
--------.idea()
--------test_cancer_data.csv(31KB)
----breast_cancer()
--------cancer_data_heading.xlsx(8KB)
--------cancer_data.csv(121KB)
--------B_Cancer.py(3KB)
--------cancer_data_y.csv(1KB)
--------plotData.m(801B)
--------sigmoid.m(137B)
--------costFunction.m(241B)
--------.idea()
--------plotDecisionBoundary.m(1KB)
--------breast_cancer.m(737B)
----Logistic-Function.png(5KB)
----b_cancer_python.gif(18.66MB)
----LICENSE.txt(1KB)
----readme.md(4KB)
----.gitattributes(378B)