使用MATLAB

Question

线性回归和分类缩放我在做三两件事：

使用线性分类
• 分类采用logistic回归

我在二维数据

classificaiton

线性回归我对数据的缩放感到困惑。 我的问题是，我不确定我是否正确调整数据。此外，我想改变我在matlab中的曲面图的外观。

的数据是其中x范围为15000至80000 和y从1000二维（X和Y），以5500

两个回归线1类和类0被发现使用线性回归。为此，我缩放了数据，计算了权重并使用了缩放数据的权重，这些数据也是在图片中看到的未缩放的数据上。我想这是正确的，因为权重只是定义了斜率。 但是，只要在下图中看到的数据从0到1缩放，数据就不会分离。

现在我迷茫的时候我应该做的扩展我的数据。因为对于线性分类，我无法对数据进行缩放，因为它不会显而易见。 不结垢，我发现使用梯度下降算法如下分型面：

关于MATLAB冲浪剧情第一quesiton：如何获得一个坚实看分型面？

对于逻辑回归，有必要再次缩放。我猜是因为回归函数1 /（1 + exp（-w * x））的范围。

我缩放它使用此

data = (values - repmat(min(values,[],1),size(values,1),1))*spdiags(1./(max(values,[],1)-min(values,[],1))',0,size(values,2),size(values,2)) 

其减去最小和由范围从除以原始值。将x和y的数据范围从0缩放到1之后。 的权重，使用梯度上升算法来计算，结果为

w = 0.2493 33.7885 -36.0428 

为经缩放的数据集和

w = 0.7610 269.3073 -102.6686 

为未缩放的数据。

下图是带有刻度的数据：

的基本问题是，当我要扩展我的数据？ 何时使用缩放或未缩放的数据集？

scale data -> calc weights using scaled data -> plot using scaled or unscaled data? 

或

calc weights using unscaled data -> plot using unscaled data? 

我想逻辑函数曲线图还范围从15000到80000（X） 和从1000到5500（Y）。当我绘制未缩放版本，它看起来是这样的，因为物流功能从0到1的范围：

是否有更好的命令绘制表面？网格，trisurf？

Answer 1

在执行线性回归，线性分类或逻辑回归之前，没有必要对数据进行归一化 - 虽然它不会造成任何伤害，但最终结果应该通过线性变换保持不变。

我不认为你需要绘制曲面。你有二维数据f(x,y)，所以要分开两个你需要一条线。