Машинное обучение: Логистическая регрессия. Теория и реализация. С нуля

[CrazyElf]

Хотелось бы видеть, что выводит ваш код, так гораздо нагляднее было бы )

[neuromancertdi]

В репозиротии есть 3 файла, можете изучать их, не подумал о том, чтобы добавить вывод. Вот вывод для каждого из файлов:

data_generating.py

[1.44, 0.84, 0.8200000000000001, 1.51, 0.48, 1.5, 1.23, 1.45,
1.6, 0.41000000000000003] [1.22, 0.85, 1.29, 0.52, 1.0, 1.48,
0.43999999999999995, 1.08, 1.75, 1.78]
[3.61, 2.2, 5.85, 4.7, 5.47, 5.21, 3.27]
[2.0300000000000002, 4.05, 3.11, 2.7800000000000002,
0.3599999999999999, 1.6600000000000001, 4.41]

logr_simple_code.py

...
epoch: 98, error: -0.13584311999647203
epoch: 99, error: -0.1348438388254259
[0.6294302897862611, 0.16071481253428724, -1.3718277053956087]
output: 0.3, target: 0
output: 0.4, target: 0
...
output: 0.6, target: 1
output: 0.46, target: 1
accuracy: (16, 17)

logr_improve_code.py

...
epoch: 98, error: -0.13977499883338454
epoch: 99, error: -0.1386041623631271
[0.56564154849143, 0.1414637390798315, -1.1827345023671545]
accuracy: (15, 17)

Тогда могу в следующих статьях добавлять вывод