资源详细介绍可以看我的博客： 算法笔记（11）逻辑回归算法及Python代码实现 https://blog.csdn.net/li1873997/article/details/124810682

医学逻辑回归以及聚类缝隙实例分享

基于50万亚马逊美食评论数据集的评论分类系统 Review classification system based on 500 thousand Amazon gourmet review data 数据集下载地址Data set download address: 1.http://download.csdn.net/download/huangyueranbbc/9935028 2.https://www.kaggle.com/snap/amazon-fine-food-reviews 需要更多资源请关注。 Github: https://github.com/huangyueranbbc

K类逻辑回归分类基于K二元逻辑分类器

人工智能-项目实践-逻辑回归-基于逻辑回归的癌症预测案例——【癌症分类预测-良／恶性乳腺癌肿瘤预测】 基于逻辑回归的癌症预测案例——【癌症分类预测-良／恶性乳腺癌肿瘤预测】

逻辑回归泰坦尼克数据集

本资源用于博客栏目中的机器学习实例详解中逻辑回归案例模板——信用卡欺诈检测，包含数据和完整的流程ipynb文件

逻辑回归matlab代码机器学习数字分类项目 数据集基于数据集，并带有经过修改的图像。 提供完整说明 实施： 逻辑回归（Matlab） 前馈神经网络（Python） 线性SVM（来自） 卷积神经网络（） ===此项目使用python 2.7。 # pip install numpy # pip install scikit-learn # pip install h5py 要运行神经网络代码： # cd python && python neural_network.py 卷积神经网络 可以找到所使用的体系结构。 要运行cNN： # cd scripts && python create_lmdb.py # git clone https://github.com/npow/caffe $CAFFE_ROOT # cd $CAFFE_ROOT # # examples/imagenet/npow_imagenet.sh # examples/mnist/train_lenet.sh Matlab代码 在Matla

机器学习实验课内容实现逻辑回归和神经网络 % 读入数据 X = load('logistic_x.txt'); Y = load('logistic_y.txt'); X = [ones(size(X, 1), 1) X]; % 计算 theta theta = log_regression(X ,Y); % 绘制图像 figure; hold on; plot(X(Y < 0, 2), X(Y < 0, 3), 'rx', 'linewidth', 2); plot(X(Y > 0, 2), X(Y > 0, 3), 'go', 'linewidth', 2); x1 = min(X(:,2)):.01:max(X(:,2)); x2 = -(theta(1) / theta(3)) - (theta(2) / theta(3)) * x1; plot(x1,x2, 'linewidth', 2); xlabel('x1'); ylabel('x2');

完成一个逻辑回归的算法。其中data.npz是数据读取数据的方法为： data = np.load("data.npz") x_train, y_train, x_test, y_test = data["x_train"],data["y_train"],data["x_test"],data["y_test"] x_train为训练集特征,y_train为对应的训练集标签，x_test为测试集特征，y_test为对应的测试集标签，用训练集训练一个逻辑回归模型，要求在测试集上的测试精度达到90%以上。