我正在寻找Python中逻辑回归(非正则化)的良好实现.我正在寻找一个可以为每个向量获得权重的包.任何人都可以建议一个良好的实施/包？谢谢!
我正在使用SymPy版本0.7.3,并在使用dsolve函数时遇到一些问题.当输入方程具有太多参数时,似乎dsolve有困难.
我试过解决以下等式:
from sympy import *
p = Function('p')
t, u1, u2, u3, u4, u5 = symbols('t u1 u2 u3 u4 u5')
eq = Eq(Derivative(p(t),t), -(u3 + u4)*p(t) + exp(-t*(u1 + u2)))
eq
Out: Derivative(p(t), t) == (-u3 - u4)*p(t) + exp(-t*(u1 + u2))
%time dsolve(eq)
得到了:
CPU times: user 213.11 s, sys: 0.00 s, total: 213.11 s
Wall time: 213.12 s
p(t) == (C1 + Piecewise((t*u1/(u1 + u2) + t*u2/(u1 + u2), u3 == u1 + u2 - u4), …我已经尝试在R中实现对数似然函数.这是我使用的函数(我是R的新手)
f <- function(t)
{
s=0
x=d
l = dim(x)[1]
for (i in 1:l)
{
vector = d[i,]
lin_res = t[1] + t[2] * vector[2] + t[3] * vector[3]
yi = vector[1]
s = s + yi*lin_res - log(1 + exp(lin_res))
}
return (s[1,1])
}
d是小矩阵,包含以下数据:
y x1 x2 x3 x4
1 0 1 0.29944294 5.0 0.71049142
2 0 2 0.12521669 6.0 0.20554934
3 1 3 0.97254701 3.0 0.43665094
4 0 4 0.79952796 1.0 0.64749898
5 0 5 0.77358425 9.0 …