C:\Users\x\AppData\Local\Temp\ipykernel_44676\705498435.py:33: RuntimeWarning: divide by zero encountered in log cost = sum(y * np.log(y_pred) + (1 - y) * np.log(1 - y_pred)) / (-m) C:\Users\x\AppData\Local\Temp\ipykernel_44676\705498435.py:33: RuntimeWarning: invalid value encountered in multiply cost = sum(y * np.log(y_pred) + (1 - y) * np.log(1 - y_pred)) / (-m)什么错误，怎么修改

这个错误出现是因为计算代价函数时出现了除以0的情况或者是计算了无效值。通常这是由于模型输出预测值 y_pred 的值范围不正确，导致交叉熵代价函数计算出了无效值。

你可以尝试以下方法解决这个问题：
- 检查模型输出的 y_pred 是否被正确限定在 0 到 1 之间，如果不是，则需要进行调整。
- 如果 y_pred 的值中存在 0 或 1，可以通过添加一个极小值来避免出现除以0的情况，例如使用 np.clip(y_pred, 1e-7, 1-1e-7)。
- 如果数据集中存在类别不平衡的情况，可以考虑使用加权交叉熵代价函数。

修改后的代码可能如下所示：

def cost_function(X, y, weights):
    m = len(y)
    z = np.dot(X, weights)
    y_pred = sigmoid(z)
    y_pred = np.clip(y_pred, 1e-7, 1-1e-7) # 添加一个极小值，避免除以0
    cost = sum(y * np.log(y_pred) + (1 - y) * np.log(1 - y_pred)) / (-m)
    return cost

def gradient_descent(X, y, weights, learning_rate, iterations):
    m = len(y)
    cost_history = np.zeros(iterations)
    for i in range(iterations):
        z = np.dot(X, weights)
        y_pred = sigmoid(z)
        error = y_pred - y
        gradient = np.dot(X.T, error) / m
        weights -= learning_rate * gradient
        cost = cost_function(X, y, weights)
        cost_history[i] = cost
    return weights, cost_history