分类器设计之logistic回归分析Ｍatlab代码

%
% Liscense Notification 2013
%
% Redistributions in source and binary forms with or without
% modification are totally FREE provided that you keep this keep this
% notification
%
%  Descritption: This package demostrates how to use the logistic
%  regression for classfication of 2D data.
%  Author:  Ranch Lai （ranchlai@hotmail.com）
%  Release date: Aug 17 2013
%/
%%
clc;
clear;
close all;

%%
x = -10:0.1:10;
y = 1./（exp（-x）+1）;
plot（xy‘g-x‘）;
title（‘logistic function‘）;
xlabel（‘x‘）;ylabel（‘y‘）;
%% generate random data
shift = 2;
n = 2;%2 dim
%y = 1./exp（-w‘*x+b）
N = 200;
x = [randn（nN/2）-shift randn（nN/2）*2+shift];
y = [zeros（N/21）;ones（N/21）];

%show the data
figure;
plot（x（11:N/2）x（21:N/2）‘rs‘）;
hold on;
plot（x（11+N/2:N）x（21+N/2:N）‘go‘）;
title（‘2d training data‘）;



%%
%training..
[wbcost] = logistic_train（xy1e-6100）;
%%
disp（‘training ended‘）;
figure;
plot（cost‘g-s‘）;
xlabel（‘iterate‘）;
ylabel（‘cost‘）;
set（gca‘YScale‘‘log‘）;
title（‘convergence curve‘）;


%% plot the training data
figure;
plot（x（11:N/2）x（21:N/2）‘rs‘）;
hold on;
plot（x（1N/2+1:N）x（2N/2+1:N）‘go‘）;
%% visualize the classification aera
hold on;
for x = -shift*5:0.5:shift*5
    for y=-shift*5:0.5:shift*5
        if 1/（1+exp（w（1:2）‘*[x;y]+b）） > 0.5
            plot（xy‘g.‘）;
        else
            plot（xy‘r.‘）;
        end
    end
end
title（‘classification result on training data‘）;


%%