超限学习机—逻辑回归Python代码

超限学习机ELM的逻辑回归二分类Python代码，需要训练样本和测试样本，带有正则化系数，提高泛化能力，能有效解决欠拟合和过拟合问题。参考来源：http://blog.csdn.net/Mosout/article/details/53997040

#! F:\ELM\Python\logistic analysis\regularization constrains ELM 3.5.2（64-bit）
# coding=utf-8
import numpy as np
#激活函数
from numpy import zeros
def F（x）:
   F=1.0/（1+np.exp（-x））
   return F
#构造偏置矩阵 参数Num是隐藏层神经元个数，InitB是偏置的大小，np.not（）是矩阵乘法运算
def CreateB（NumInitB）:
    B=np.dot（np.ones（（Num1））InitB）
    return B
#计算精度
def CalAccur（datalabelInWOutWInitB）:
    Num=data.shape[0]
    result=np.dot（F（np.dot（dataInW）+CreateB（NumInitB））OutW）#公式
    count=float（0）
    for i in range（Num）:
        NewIndex = np.argmax（result[i:] axis=0）  # 返回沿轴axis最大值的索引。axis=0给出最大值所在的列从第0列开始，axis=1，表示行
        if（NewIndex==label[i]）:
            count+=1
    return count/Num #正确的数量除以总数量
#读入数据
TrainData=np.loadtxt（‘ti.txt‘）
TrainLabel=np.loadtxt（‘to.txt‘）
TestData=np.loadtxt（‘ci.txt‘）
TestLabel=np.loadtxt（‘co.txt‘）
#获得数据的shape
[TrainInsNumTrainFeaNum]=TrainData.shape
[Te