matlab实现logistic损失函数

在MATLAB中实现Logistic损失函数可以使用以下代码：

function [J, grad] = logisticRegressionCostFunction(theta, X, y, lambda)
%theta: 初始参数矩阵
%X: 输入数据矩阵
%y: 输出数据向量
%lambda: 正则化项系数

m = length(y); % 训练样本数量
J = 0;
grad = zeros(size(theta));

% 计算损失函数值和梯度
J = (-1/m) * sum(y .* log(sigmoid(X*theta)) + (1-y) .* log(1-sigmoid(X*theta))) + (lambda/(2*m)) * sum(theta(2:end).^2);
grad = (1/m) .* (X' * (sigmoid(X*theta) - y));
grad(2:end) = grad(2:end) + (lambda/m) * theta(2:end);

end

其中，sigmoid函数可以使用以下代码实现：

function g = sigmoid(z)
%SIGMOID Compute sigmoid function
%   g = SIGMOID(z) computes the sigmoid of z.

g = 1.0 ./ (1.0 + exp(-z));
end

使用样例：

% 初始化参数
initial_theta = zeros(size(X, 2), 1);

% 计算损失函数值和梯度
[cost, grad] = logisticRegressionCostFunction(initial_theta, X, y, lambda);

其中，X是输入数据矩阵，y是输出数据向量，lambda是正则化项系数。