python怎么實現(xiàn)邏輯回歸的梯度下降法？這個很簡單，哪怕Python的scikit-learn庫可以提供了易于使用和高效穩(wěn)定的LogisticRegression類，但我們自己在用NumPy創(chuàng)建自己

python怎么實現(xiàn)邏輯回歸的梯度下降法？

這個很簡單，哪怕Python的scikit-learn庫可以提供了易于使用和高效穩(wěn)定的LogisticRegression類，但我們自己在用NumPy創(chuàng)建自己的實現(xiàn)，可以不好地再理解邏輯回歸算法。

資料集

我們將不使用Iris數(shù)據(jù)集，它包涵3個類別，每個類別有50個實例，其中每個類別都可以表示一種鳶尾花植物。為更簡練目標，我們僅可以介紹前兩個特征，而且我們簡單啊可以使用其中兩個分類，因為這是個二分類模型。

數(shù)據(jù)分析（數(shù)據(jù)挖掘）與計算機視覺哪個領域對數(shù)學要求更高？

個人覺得是數(shù)據(jù)分析吧，對計算機視覺不太比較熟悉。數(shù)據(jù)分析要很多數(shù)學課和統(tǒng)計類課。在很多人印象里統(tǒng)計學就以及在數(shù)學里，反正不是，我們國家在08年的時候統(tǒng)計出來就已經(jīng)從數(shù)學召出，統(tǒng)計和數(shù)學現(xiàn)在是互相垂直的，全是一級學科。

數(shù)據(jù)分析反正和統(tǒng)計類課程和更相關，要很多的統(tǒng)計類課程，像概率論，數(shù)理統(tǒng)計，多元統(tǒng)計分析，回歸分析，時間序列，統(tǒng)計數(shù)據(jù)與機器學習等。

數(shù)據(jù)分析的方向也有很多，例如有做算法的，也有做視頻處理的等等。數(shù)學或者說統(tǒng)計類課程才能學好了，再據(jù)方向選擇類型需要的計算機課程就好，肯定不同的課程不需要的數(shù)學基礎和計算機課程是有不同的。像我們系的信息與計算科學專業(yè)，正在進行專業(yè)改革，在學生實習的時候，提出幾個方向，相同的方向，培訓吧相同的課程，你選擇自己弓術的和感興趣。這樣，既依靠了自己大學期間打下的數(shù)學基礎和計算機方面的嚴格的邏輯訓練，又根據(jù)社會的需要通過了培訓，效果還是不錯的，至少從就業(yè)方面看肯定。

好多人有個誤區(qū)，既然這樣的，我真接去社會培訓機構培訓就再說，干嘛啊上大學？上大學而且叫你怎摸做，不可忽視告訴你為什么不？只不過新的語言不停再次出現(xiàn)，越新的需要越低級，初級好用，但壞處是什么呢？就是好多時候可不知道我想知道為什么。你只清楚一塊一塊的。但每一塊內部是什么，不所了解。比如，很簡單降序排列，在Python里個函數(shù)就利用了，但怎么實現(xiàn)程序的可不知道。大學的課程那就是訓練訓練這個的，說說我們?yōu)槊?，諸如排序可以用泡聲法。明白了為么問題發(fā)生變化之后我們同樣這個可以解決。我都覺得這才是大學最有用的作用。