Logistic迴歸（隨機梯度上升）

由於梯度上升優化算法在每次更新數據集時都需要遍歷整個數據集，計算複雜都較高，這裏有一個隨機梯度上升算法也可以求得迴歸係數，這種算法一次只用一個樣本點來更新迴歸係數。

def stocGradAscent0(dataMatrix, classLabels):
    m,n = shape(dataMatrix)
    alpha = 0.01
    weights = ones(n)   #initialize to all ones
    for i in range(m):
        h = sigmoid(sum(dataMatrix[i]*weights))
        error = classLabels[i] - h
        weights = weights + alpha * error * dataMatrix[i]
    return weights

這個算法與梯度上升優化算法很相似，但是也有些區別，後者h和error都是向量，這裏都是數值，這裏沒有矩陣轉換過程。