matlab实现logit模型

下面是一个简单的 Matlab 代码实现 logit 模型：

% 读取数据
data = csvread('data.csv', 1, 0);
X = data(:, 1:end-1);
y = data(:, end);

% 添加截距项
m = size(X, 1);
X = [ones(m, 1) X];

% 初始化参数
theta = zeros(size(X, 2), 1);

% 梯度下降
alpha = 0.01; % 学习率
num_iters = 1000; % 迭代次数

for i = 1:num_iters
    h = sigmoid(X * theta); % 计算假设函数
    grad = (1/m) * X' * (h - y); % 计算梯度
    theta = theta - alpha * grad; % 更新参数
end

% 预测
p = sigmoid(X * theta) >= 0.5;

% 计算准确率
accuracy = mean(double(p == y)) * 100;
fprintf('Accuracy: %f%%\n', accuracy);

其中，sigmoid 函数的实现如下：

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

g = 1 ./ (1 + exp(-z));
end

需要注意的是，这里的数据需要满足以下条件：

- X 是一个 m 行 n 列的矩阵，其中 m 是样本数，n 是特征数；
- y 是一个 m 行 1 列的向量，其中每个元素取值为 0 或 1；
- 数据集需要进行归一化处理。