logistic回归matlab代码

以下是一个简单的logistic回归的matlab代码示例：

% 读取数据
data = load('data.txt');
X = data(:, 1:end-1);
y = data(:, end);

% 初始化参数
[m, n] = size(X);
X = [ones(m, 1) X];
theta = zeros(n+1, 1);

% 设置步长和迭代次数
alpha = 0.01;
num_iters = 1000;

% 计算代价函数
[J, grad] = costFunction(theta, X, y);

% 使用梯度下降法优化参数
[theta, J_history] = gradientDescent(theta, X, y, alpha, num_iters);

% 绘制代价函数随迭代次数变化的图像
plot(1:numel(J_history), J_history, '-b', 'LineWidth', 2);
xlabel('Number of iterations');
ylabel('Cost J');

% 预测
prob = sigmoid(X * theta);
p = round(prob);
fprintf('Train Accuracy: %f\n', mean(double(p == y)) * 100);

请注意，上面的代码使用了自定义的`costFunction`和`gradientDescent`函数，它们在代码中没有给出，需要自己编写，或者在网上查找。

这只是一个示例，更多细节可能需要根据具体应用场景来调整。