大家好久不见，实战部分一直托更，很不好意思。本文实验数据与代码来自机器学习实战这本书，倾删。

一：前期代码准备
1.1数据预处理

还是一样，设置两个数组，前两个作为特征值，后一个作为标签。当然这是简单的处理，实际开发中特征值都是让我们自己选的，所以有时候对业务逻辑的理解还是很重要的。

 

1.2 sigmoid函数设置

机器学习实战------利用logistics回归预测病马死亡率

1.3固定步长梯度上升算法

这段代码见一面1.4节。

Alpha表示步长，maxcycles表示最大的迭代次数，其中weights=ones((n,1))是初始化一个全部为一的n*1的矩阵。Error就是分类错误的项。大家对于公式：

weights=weights+alpha*dataMatrix.transpose()*error 表示权值是前一个权值+步长*方向（预测值与实际值的差值决定了方向）。

1.4分析数据画出决策边界

这里没什么好说的，就是把两个特征值分别作为横坐标和纵坐标，然后用一条直线分割开来。

1.4.1梯度上升算法效果图

机器学习实战------利用logistics回归预测病马死亡率

可以看出分错了四个点，但是这个方法计算量太大了。大家来跟着我改进它！

1.4.2随机梯度上升。

实现代码如下：

梯度上升算法在每次更新回归系数的时候都需要遍历整个数据集，这样处理数十亿样本或者成千上万的特征，那还不爆炸么，计算复杂度太高了。一种改进方法是一次仅用一个样本点来更新回归系数，该方法称为梯度上升算法。要根据给出的数据边学习边给结果，所以随机梯度上升算法是一个在线学习算法。

效果图：

机器学习实战------利用logistics回归预测病马死亡率

等等，小花你在逗我吧。你这个越改越差。刚开始，我们的分类器那么完美，你现在分类的结果是个什么东东啊。哈哈，其实这个游戏本身就是不公平的，梯度上升算法，在整个数据集上迭代了500次才得到的，而第二种才计算了几次。而且判断一个算法优劣的可靠方法是看它是否收敛，也就是随着计算次数的增加参数是否趋于稳定。大家莫急，先等我略施小计。

1.4.2改进的随机梯度上升算法

代码如下：

（1） 让步长变化，加上一个参数表示步长永远不会等于0，保持每次加的数据都会对结果又影响。

（2） 有一个随机的过程从数据集中选取数据来更新参数，选到之后就不选了。

（3） 参数设定，这里设定的是150次迭代，等下我设置500次让大家看看实验结果。

150次迭代如下：

机器学习实战------利用logistics回归预测病马死亡率

500次迭代如下：

机器学习实战------利用logistics回归预测病马死亡率

感觉好像没什么变化啊。这就是随机上升梯度算法的奥妙啊。迭代150次和500次一样，这样对时间复杂度的减少意义重大啊，有木有。

二：预测病马死亡率

2.1准备数据：处理数据的缺失值

方法：

1. 删除

最简单的方法是删除，删除属性或者删除样本。如果大部分样本该属性都缺失，这个属性能提供的信息有限，可以选择放弃使用该维属性；如果一个样本大部分属性缺失，可以选择放弃该样本。虽然这种方法简单，但只适用于数据集中缺失较少的情况。

2. 统计填充

对于缺失值的属性，尤其是数值类型的属性，根据所有样本关于这维属性的统计值对其进行填充，如使用平均数、中位数、众数、最大值、最小值等，具体选择哪种统计值需要具体问题具体分析。另外，如果有可用类别信息，还可以进行类内统计，比如身高，男性和女性的统计填充应该是不同的。

3. 统一填充

对于含缺失值的属性，把所有缺失值统一填充为自定义值，如何选择自定义值也需要具体问题具体分析。当然，如果有可用类别信息，也可以为不同类别分别进行统一填充。常用的统一填充值有：“空”、“0”、“正无穷”、“负无穷”等。

4. 预测填充

我们可以通过预测模型利用不存在缺失值的属性来预测缺失值，也就是先用预测模型把数据填充后再做进一步的工作，如统计、学习等。虽然这种方法比较复杂，但是最后得到的结果比较好。

2.2 测试算法

代码：

实验结果：

机器学习实战------利用logistics回归预测病马死亡率

总结：为什么输出的结果不一样呢，因为里面有一个随机的值啊。

毕竟自己也是在学习，如有错误，请大家不吝赐教。