MATLAB 逻辑回归实现与应用 - 分类算法详解

逻辑回归是一种经典的分类算法，可用于二分类和多分类问题。在 MATLAB 中，可以使用 'logisticRegression' 函数实现逻辑回归。该函数的基本语法如下：

[B,dev,stats] = logisticRegression(X,Y)

其中，X 是样本特征矩阵，Y 是样本标签向量，B 是回归系数向量，dev 是对数似然比检验的结果，stats 是包含有关回归模型的统计信息的结构体。下面是一个简单的例子，展示如何使用 'logisticRegression' 函数实现逻辑斯蒂回归：

% 生成样本数据
X = [randn(100,2) ; randn(100,2)+5];
Y = [zeros(100,1) ; ones(100,1)];

% 训练逻辑斯蒂回归模型
[B,dev,stats] = logisticRegression(X,Y);

% 绘制决策边界
x1 = linspace(-5,10,100);
x2 = -(B(1)+B(2)*x1)/B(3);
plot(X(Y==0,1),X(Y==0,2),'ro',X(Y==1,1),X(Y==1,2),'bx',x1,x2,'k-');
legend('Class 0','Class 1','Decision boundary');
xlabel('x1');
ylabel('x2');

上述代码中，首先生成了一个 2 维的样本数据集，其中前 100 个样本属于类别 0，后 100 个样本属于类别 1。然后使用 'logisticRegression' 函数训练了一个逻辑斯蒂回归模型，并得到了回归系数向量 B。最后，根据得到的回归系数向量绘制了决策边界。