大工20秋《人工智能》大作業(yè)

1、學(xué)習(xí)中心：_專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)年級(jí)：2019年春季學(xué)號(hào):學(xué)生：題目：回歸算法談?wù)勀銓?duì)本課程學(xué)習(xí)過(guò)程中的心得體會(huì)與建議？通過(guò)對(duì)人工智能課程的系統(tǒng)學(xué)習(xí)，讓我全面的了解了人工智能的基本概念和發(fā)展現(xiàn)狀。以及現(xiàn)實(shí)生活中越來(lái)越廣泛的應(yīng)用。在數(shù)據(jù)分析，交通管理以及生物醫(yī)療等方面人工智能都發(fā)揮著極大的作用。人工智能將是未來(lái)科技發(fā)展的一個(gè)新的趨勢(shì)。人工智能的具體課程，由人工智能的基本概念和發(fā)展情況，以及人工智能的搜索策略，機(jī)器學(xué)習(xí)和神經(jīng)計(jì)算以及人工智能的具體應(yīng)用這幾部分組成。在整個(gè)學(xué)習(xí)的過(guò)程中老師結(jié)合各種生動(dòng)的實(shí)例讓我們對(duì)于人工智能的概念以及邏輯思維方式處理方式都有一個(gè)全面整體的認(rèn)知，使這些相對(duì)枯燥的理論能

2、夠變得更加有趣也更方便我們?nèi)フ莆帐褂?。人工智能未?lái)的發(fā)展必然是不可限量的，人工智能課程的學(xué)習(xí)使我們逐步了解了這個(gè)相對(duì)陌生的領(lǐng)域，在將來(lái)的工作和生活中我們要努力把所學(xué)到的東西運(yùn)用到其中去，必定能事半功倍大大的提高效率。對(duì)于這門課程我還是希望課程內(nèi)容可以與時(shí)俱進(jìn)，結(jié)合當(dāng)下人工智能發(fā)展的情況,做到實(shí)時(shí)的去結(jié)合當(dāng)前人工智能發(fā)展和應(yīng)用的一些成果去豐富課程體系和課程內(nèi)容，更好的讓學(xué)生了解人工智能學(xué)習(xí)人工智能并且合理的運(yùn)用相關(guān)理論和實(shí)例?；貧w算法邏輯回歸算法概念：邏輯回歸其實(shí)是一種分類算法，將數(shù)據(jù)擬合到一個(gè)logistic函數(shù)中，從而完成對(duì)事件發(fā)生的概率進(jìn)行預(yù)測(cè)。邏輯回歸算法核心思想：邏輯回歸Logisti

3、c，主要用于兩分類問(wèn)題，即輸出只有兩種，因此利用Logistic函數(shù)，或者可以稱作為Sigmoid函數(shù)，函數(shù)形式以及函數(shù)圖像如下所示：6我們可以從圖中看出，在z=0時(shí)，函數(shù)值為0.5,向左逐漸減少趨近于0,向右則逐漸增大為1其值域?yàn)椋?,1）之內(nèi)，下面的圖體現(xiàn)了不同的判定邊界。邊界圖1邊界圖2根據(jù)I一面所說(shuō)的Siojncid數(shù)，我們巴以看岀：g(j)Q.5z0ft0 x)=g(&tx)0.50Tx0y=lg(r)0.5r0(.v)=g(r)tionche卩丨n.y.ma?：rowsr.【50)sns.set_context(notebook)_r-i-.、導(dǎo)入測(cè)試數(shù)據(jù)圖defloaddata(

4、file,delimetef):daa=np.1。風(fēng)dtxtffil亡*delimiter-delimeter)print(Dimensicms:”data,shape)prin?(datal;6,:)returndata獲取數(shù)據(jù)分布代碼圖defplotData(data,labpL_Js,label_v,label_poshabei_ncghaxes-Sone):X戎舒址戲樣車的卜竜neg=dataC：+2-=0pos一dataz,21.ifaxes=None:ax&s-pEt,gca()axes,scatter(atsposZ:.o,dataposL.msrr=.cr,s=fio.lini

5、dtIi-2,Ubel=label_pcaxes.scattP(dat3TieE:,o,datajieg1,c.5-60,label-label_neg)且ses.set_slabelaxes.3et_plabel(laLelj)數(shù)據(jù)分布圖3.2定義sigmoid函數(shù)、損失函數(shù)、求解梯度函數(shù)和求解最小損失函數(shù)函數(shù)定義代碼圖斗宦文:sigsio辺病歡defsigmn;d(z；return(l/(14np.exp(-z)莘定義拯失虧註:dflfcostFunction(theta,X.y):m-y.sizeh=5iruoid(X.dot(theta)J=1.0*(1.O/B)*(np.lag(h)

6、,l.dot(y)*np.log(lh).T.dot(ly)ifnp.isnanfjto):returnflip,inf)returnJlO專求髒梯度defgifldient(theta.X,y):m-y.sizehsigmoid(X.dot(theta,reshape(L1)grad=(1.0/ui*3C-T.dot(hy)returnigrad,flattent)initiaLtheta=np.zeros(X.shape1)costcostFunction(initial_theta”X,y)grad-Eradient(dnitial_thfftaPX,y)primfcast:rt,cos

7、t)a茲4、損失函數(shù)res一minimise(costFunction,initialrhetanarg3_(K.y)Hjar-gradient,options-：niax：ter:-100)res3.3做出預(yù)測(cè)可以判斷下分?jǐn)?shù)1為45,分?jǐn)?shù)2為85的概率為多少。dufpredict(theta,X,thrshold.5):p=signoid(X,dot(theta.T).5returnp.astypeCint)sigiiioid(np.arra3lh：；,H：_).dot(rs.x.I)判斷邊界繪制代碼pit.scatter(4:，85hcv,s=6U4niaTker-Pv7,label-(：

8、L).)plotDaTafdata.r1score1.2score.pass,fiI)xL_minhxl_max-1d.rain(:,X|1.caj;x2_ininhs2_niax-X：s2,ninthX(2.mas()xxl,xx2-np.meshgridtnp.linspace-Ul-inin,xl_max).np.Iinspace(x2_sin1x2_naax)h=sigmoid(np,c_np.ones(ixLravel().shapeEd.1)xxl.ravel(),xx2.ravelJ,dot(res.x)Jh二Lreshape(xxLshaw)pit,cantour(KS1.x也liD-5,iinewidths=i.colorh)判斷邊界繪制圖加入正則項(xiàng)的損失函數(shù)以及梯度求解正劃化后檢朱函數(shù)川-川切丄不一艸愿阪屮DU屮片島呂（I一h曲川川+薪丫巧i=|/=|向言化的燼尖硒嶽（矩昨式他=2“l(fā)og頃冊(cè)）心+（/（-威初）山|刃）+呂空礙原始數(shù)據(jù)分布圖too0750.502!0-25史000-D25-050-075-075-050-