C++实现回归算法（逻辑回归 线性回归）

C++实现回归算法, 包含线性回归和逻辑回归, 代码干净, 整洁, 有注释, 具有良好的封装性, 可直接迁移使用

#include “LRegression.h“

#include 

LLinearRegression::LLinearRegression（）
{

}

LLinearRegression::~LLinearRegression（）
{

}

bool LLinearRegression::TrainModel（
    IN const LRegressionProblem& problem 
    IN float learningRate 
    IN unsigned int trainTimes）
{
    // 检查参数
    if （problem.XMatrix.RowLen < 2）
        return false;
    if （problem.XMatrix.ColumnLen < 1）
        return false;
    if （problem.YVector.ColumnLen != 1）
        return false;
    if （problem.YVector.RowLen != problem.XMatrix.RowLen）
        return false;
    if （learningRate <= 0.0f）
        return false;

    // 每个样本中最后一项增加常数项的特征值:1.0
    m_xMatrix.Reset（problem.XMatrix.RowLen problem.XMatrix.ColumnLen + 1）;
    for （unsigned int row = 0; row < m_xMatrix.RowLen; row++）
    {
        for （unsigned int col = 0; col < m_xMatrix.ColumnLen-1; col++）
        {
            m_xMatrix[row][col] = problem.XMatrix[row][col];
        }
        m_xMatrix[row][m_xMatrix.ColumnLen-1] = 1.0f; 
    }

    m_yVector = problem.YVector;

    // 初始化权重向量
    m_wVector.Reset（m_xMatrix.ColumnLen 1 0.0f）;
  
    const LRegressionMatrix& X = m_xMatrix;
    const LRegressionMatrix& Y = m_yVector;
    LRegressionMatrix& W = m_wVector;
    float A = learningRate;

    LRegressionMatrix XT = X.T（）;

    LRegressionMatrix XW;
    LRegressionMatrix O;

    for （unsigned int i = 0; i < trainTimes; i++）
    {
        XW = X * W;
        O = XT * （XW - Y）;
        W = W - O.ScalarMul（A）;
    }

    return true;
}

bool LLinearRegression::GetWeightVector（OUT LRegressionMatrix& weightVector）
{
    if （m_wVector.RowLen < 1）
        return false;

    weightVector = m_wVector;

    return true;
}

float LLinearRegression::GetErrorValue（）
{
    if （m_wVector.RowLen < 1）
        return -1.0f;

    LRegressionMatrix dif = m_xMatrix * m_wVector - m_yVector;
    LRegressionMatrix square = dif.T（） * dif;
    float squareValue = square[0][0];
    squareValue = sqrt（squareValue）;
    return squareValue;
}

LLogisticRegression::LLogisticRegression（）
{

}

LLogisticRegression::~LLogisticRegression（）
{

}

bool LLogisticRegression::TrainModel（IN const LRegressionProblem& problem IN float learningRate IN unsigned int trainTimes）
{
    // 检查参数
    if （problem.XMatrix.RowLen < 2）
        return false;
    if （problem.XMatrix.ColumnLen < 1）
        return false;
    if （problem.YVector.ColumnLen != 1）
        return false;
    if （problem.YVector.RowLen != problem.XMatrix.RowLen）
        return false;
    if （learningRate <= 0.0f）
        return false;

    for （unsigned int i = 0; i < problem.YVector.RowLen; i++）
    {
        if （problem.YVector[i][0] != REGRESSION_ONE &&
            problem.YVector[i][0] != REGRESSION_ZERO）
            return false;
    }

    // 每个样本中最后一项增加常数项的特征值:1.0
    m_xMatrix.Reset（problem.XMatrix.RowLen problem.XMatrix.ColumnLen + 1）;
    for （unsigned in

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      14193  2016-02-29 15:00  Regression\LMatrix.h

     文件       4949  2016-02-29 15:00  Regression\LRegression.cpp

     文件       3714  2016-03-17 10:52  Regression\LRegression.h

     文件        680  2016-03-17 10:52  Regression\main.cpp

     文件        886  2016-03-17 10:50  Regression\Regression.sln

    ..A..H.     10240  2016-03-17 10:52  Regression\Regression.suo

     文件       3382  2016-03-17 10:52  Regression\Regression.vcxproj

     文件       1270  2016-03-17 10:52  Regression\Regression.vcxproj.filters

     文件        143  2016-03-17 10:50  Regression\Regression.vcxproj.user

     目录          0  2016-03-17 10:52  Regression

----------- ---------  ---------- -----  ----

                39457                    10