不适合虹膜数据集的逻辑回归模型

Question

试图使虹膜数据集适用逻辑回归模型，但它不合适。代码有什么问题。谢谢。

# Dependencies used: numpy, matpotlib.pyplot, csv 
# dataset: Iris 
# Binary classification using gradient descent 
# python 3.5 
# input data matrix = x(99 X 1) # including ones vector 
# discrete output data matrix = y(99 X 1) 
# parameters matrix = theta(5 X 1) 

for j in range(3500): 
    # hypothesis function 
    h = 1/(1 + np.exp(-x.dot(theta))) 

    # gradient descent 
    theta = theta - (0.00001/m) * np.sum(x.T.dot(h - y)) + (30.0/m)*np.sum(np.sum(theta[1:5, :]**2)) 

    # cost function 
    cost = -(1/m) * np.sum(y.T.dot(np.log(h)) + (1-y).T.dot(np.log(1-h))) 
    j_iter.append(cost) 
    Iter.append(j) 

Answer 1

虹膜数据集包含三个输出类，这意味着你的代码应执行多项式回归。大多数二项回归是几种工具中采用的一种，这意味着输入数据集只能包含两个输出类。请仔细检查你的代码是否处理了三个类，然后继续......这可能是你的问题。