S 型函数

def sigmoid(z): #返回 sigmoid 的函数值，z 为函数变量（参考编程要求中的 sigmoid 函数） return 1/(1+np.exp(-z))

#代价函数 def cost(theta, X, y): #X 、 y 、 theta 与数据预处理参数保持一致 #返回代价函数的值（参考编程要求中的代价函数） m = len(X) h = sigmoid(X @ theta) J = (-1/m) * (y.T @ np.log(h) + (1-y).T @ np.log(1-h)) return J

#假设函数 def predict(theta, X): #X 、 y 、 theta 与数据预处理与参数保持一致 #将所有预测出的值存储在 list 中并返回（参考编程要求中的假设函数） pred = sigmoid(X @ theta) return [1 if x >= 0.5 else 0 for x in pred]