使用pandas将数据进行导入作为训练集，通过matplot实现数据可视化。
目标：建立分类器（求解出参数）
设定阈值，根据阈值判断录取结果
需要完成的模块
-
sigmoid: 映射到概率的函数 -
model: 返回预测结果值 -
cost: 根据参数计算损失 -
gradient: 计算每个参数的梯度方向 -
descent: 进行参数更新 -
accuracy: 计算精度
sigmoid函数
def sigmoid(x): return 1 / (1 + np.exp(-x))
model
def model(X, theta): return sigmoid(np.dot(X, theta.T))
损失函数
def cost(X, y, theta): left = np.multiply(-y, np.log(model(X, theta))) right = np.multiply(1 - y, np.log(1 - model(X, theta))) return np.sum(left - right) / (len(X))
梯度计算
def gradient(X, y, theta): grad = np.zeros(theta.shape) error = (model(X, theta)- y).ravel() for j in range(len(theta.ravel())): #for each parmeter term = np.multiply(error, X[:,j]) grad[0, j] = np.sum(term) / len(X) return grad