首先是较为简单的梯度上升算法的回归函数
具体原理啥的不介绍了
直接看代码：
刚开始是导入数据集的操作
总的来说很简单
输出的结果为：
下一个函数是sigmoid函数，这个函数很好写
最后一个函数就是gradAscent函数
这个函数我错了很多次
首先看几个函数
首先是mat函数，功能大概就是将一个输入转换成矩阵类型
只有转换成矩阵类型后，才可以使用相应的函数
python文档为：
>>> help(numpy.mat)
Help on function asmatrix in module numpy.matrixlib.defmatrix:
asmatrix(data, dtype=None)
Interpret the input as a matrix.
Unlike `matrix`, `asmatrix` does not make a copy if the input is already
a matrix or an ndarray. Equivalent to ``matrix(data, copy=False)``.
Parameters
----------
data : array_like
Input data.
dtype : data-type
Data-type of the output matrix.
Returns
-------
mat : matrix
`data` interpreted as a matrix.
Examples
--------
>>> x = np.array([[1, 2], [3, 4]])
>>> m = np.asmatrix(x)
>>> x[0,0] = 5
>>> m
matrix([[5, 2],
[3, 4]])
再添加个示例
还有就是transpose函数：功能应该是将某个函数进行转置
python文档为：
>>> help(numpy.transpose)
Help on function transpose in module numpy.core.fromnumeric:
transpose(a, axes=None)
Permute the dimensions of an array.
Parameters
----------
a : array_like
Input array.
axes : list of ints, optional
By default, reverse the dimensions, otherwise permute the axes
according to the values given.
Returns
-------
p : ndarray
`a` with its axes permuted. A view is returned whenever
possible.
See Also
--------
moveaxis
argsort
Notes
-----
Use `transpose(a, argsort(axes))` to invert the transposition of tensors
when using the `axes` keyword argument.
Transposing a 1-D array returns an unchanged view of the original array.
Examples
--------
>>> x = np.arange(4).reshape((2,2))
>>> x
array([[0, 1],
[2, 3]])
>>> np.transpose(x)
array([[0, 2],
[1, 3]])
>>> x = np.ones((1, 2, 3))
>>> np.transpose(x, (1, 0, 2)).shape
(2, 1, 3)
再写个例子
非mat类型是不能调用transpose函数的
另外矩阵相乘的时候一定要注意到各个矩阵的形状是什么样子的
下面使用一下shape函数对各个形状的矩阵进行示例
总之，在走了一些弯路后，终于把结果给写出来了
贴一下代码