这些代码该怎么理解？

Question

关于机器学习逻辑回归的特征映射的代码，我看不太懂麻烦各位指导一下

Answer 1

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以看下这个问题的回答https://ask.csdn.net/questions/7657466
• 这篇博客也不错, 你可以看下【机器学习】【逻辑回归】代价函数为什么用最大似然估计而不是最小二乘法？
• 除此之外, 这篇博客: 机器学习多元线性回归最简单的一个算法，预测商品销售额中的 代码 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  #导入模块包

  import matplotlib.pyplot as plt
  from sklearn.model_selection import train_test_split
  from sklearn import metrics
  import pandas as pd
  from sklearn.linear_model import LinearRegression
  import numpy as np
  import seaborn as sns
  
  

  #读取数据
  ``

  data = pd.read_csv('Advertising.csv')
  #创建特征列表
  feature_cols=['TV', 'radio', 'newspaper']
  #使用列表选择data的子集
  X=data[feature_cols]
  # print(X.head())
  y=data['sales']
  # print(y.head())
  X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=1,test_size=0.2)#分为训练集和测试集，训练集占0.8
  # print(X_train.shape)
  # print(y_test.shape)
  

  #训练模型

  linear_reg=LinearRegression()#尝试了下不能直接使用LinearRegression()来进行拟合
  model=linear_reg.fit(X_train,y_train)
  print('截距是：',model.intercept_)
  print('系数是：',model.coef_)
  #预测结果
  y_predict=linear_reg.predict(X_test)
  
  
  

  #测试准确度

  '''
  print(type(y_predict),type(y_test))
  print(len(y_predict),type(y_test))
  print(y_predict.shape,y_test.shape)
  sum_mean=0
  for i in range(len(y_predict)):
      sum_mean+=(y_predict[i]-y_test.values[i])**2
  sum_erro=np.sqrt(sum_mean/40)
  print('Rmse',sum_erro)
  这是一个具体的求RMSE 的公式，下边的那个是一个包，可以直接求出
  '''
  print ('RMSE',np.sqrt(metrics.mean_squared_error(y_test, y_predict)))#squared先求差的平方再求平均数，再求开平方
  

  绘制ROC曲线

  plt.figure()
  plt.plot(range(len(y_predict)),y_predict,'b',label='predict')
  plt.plot(range(len(y_test)),y_test,'r',label='test')
  plt.legend()#显示图中的标签
  plt.xlabel('the number of sales')#横坐标
  plt.ylabel('value of sales')#纵坐标
  plt.show()
  

  #结论
  通过简单的数据集，分析出影响销售额的三种因素的回归系数
  
  电视广告对商品销售的影响最大，这也是与实际生活中判断的相符
  
  从上图可以看模型的测试集的预测的出的结果y_predict与真实的测试值y_test误差很小，说明整个数据拟合出的模型还是很不错，当然也是因为只考虑了三个简单的影响因素，实际生活中影响销售额的因素是很多的。

• 您还可以看一下 刘建萍老师的人工智能系列课程零基础讲解知识点和实例应用线性回归梯度下降逻辑回归课程中的 讲解机器学中会涉及到的有关数学方面的知识储备有哪些小节, 巩固相关知识点
  
• 以下回答来自chatgpt:

  我很乐意帮助你优化你的问题，并提供一些提示。你的问题似乎是关于机器学习逻辑回归特征映射的代码难以理解。为了更好地理解你的问题，你可以提供一些具体的代码示例，这将有助于我们更好地帮助你理解代码和解决问题。

  另外，我建议你做一个具体的计划来学习逻辑回归和特征映射。这可以包括制定一个时间表，选择一些相关的书籍和视频教程，并保持学习的节奏。如果你想写一篇关于逻辑回归和特征映射的文章，我建议你参考一些相关的文献，并注意使用正确的技术术语。

  最后，如果你需要展示一些数据或结果，我建议你使用表格或其他可视化工具，这将使你的数据更易于理解。如果你需要任何帮助，别犹豫，随时联系我。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^