import numpy as np
from numpy import random
def dataload(filename,l,r):#导入数据，感觉导入的有点困难
f=open(filename)
ar=f.readlines()
num=len(ar)
mat=np.zeros((r-l+1,num))
ind=0
for line in ar:
line.split('
')
linelist=line.split(' ')
mat[0:r-l,ind]=linelist[l:r]
mat[r-l:r-l+1,ind]=1.0
ind=ind+1
return mat
x=dataload("1.txt",0,2)
y=dataload("1.txt",2,3)
beta=random.random(size=(3,1))#随机生成初始的beta矩阵
def p1(mat,p):
ha=np.dot(mat.T,x[:,p])
return np.exp(ha)/(1+np.exp(ha))
def one(mat):#求关于beta函数的一阶导
tep=np.zeros((3,1))
for i in range(17):
temp=np.zeros((3,1))
for j in range(3):
temp[j,0]=x[j,i]
tep=tep+temp*(y[0,i]-p1(mat,i))
return -1.0*tep
def two(mat):#二阶导
tep=np.zeros((3,3))
for i in range(17):
temp=np.zeros((3,1))
for j in range(3):
temp[j,0]=x[j,i]
tep=tep+np.dot(temp,temp.T)*p1(mat,i)*(1-p1(mat,i))
return tep
cnt=10000
for i in range(cnt):#使用牛顿法迭代cnt次得到beta矩阵
tep=two(beta)
if(np.linalg.det(tep)==0):
break
else :
tep=np.linalg.inv(tep)
beta=beta-np.dot(tep,one(beta))
ans=np.dot(beta.T,x)
def sigmoid(p):#sigmoid 函数
return 1.0/(1+np.exp(-p))
for i in range(17):
print(sigmoid(ans[0,i]))