、题目五（扩展）：使用 numpy 编写逻辑回归算法，对 iris 数据进行多分类。 具体内容：输出决策函数的参数、预测值、分类准确率等。 提示： （1）可采用 OVR、OVO、ECOC 策略。 （2）可采用 CrossEntropy Loss + softmax 策略。 a）需将三个类别（如 0,1,2）进行 one-hot 编码。 b）每个线性分类器对应一组模型参数，3 个线性分类器对应 3 组模型参数。 c）可通过 softmax 回归计算多种类别的概率（K 种类别概率和为 1）。 d）通过最小化 CrossEntropy Loss 的梯度下降算法进行分类器参数寻优。

好的，我知道了。这是一道关于使用numpy编写逻辑回归算法对iris数据进行多分类的问题。具体要求是输出决策函数的参数、预测值、分类准确率等，并且可以采用OVR、OVO、ECOC策略，也可以采用CrossEntropy Loss + softmax策略。每个线性分类器对应一组模型参数，3个线性分类器对应3组模型参数，可以通过softmax回归计算多种类别的概率，最后通过最小化CrossEntropy Loss的梯度下降算法进行分类器参数寻优。请问你需要我做些什么呢？