function [J,grad] = costFunction(theta, X, y) m = length(y); h = 1./(1+exp(-(X * theta))); J = (1 / m) * sum(- y .* log(h) - (1 - y) .* log(1 - h)); grad = 1 / m * X' * (h - y); end这段代码意思

是一个逻辑回归的代价函数和梯度下降函数的实现。给定一个参数向量theta，一个输入特征矩阵X和一个输出向量y，函数计算出代价函数J和梯度grad，并返回它们。代价函数J是逻辑回归的损失函数，用来评估模型预测输出与实际输出之间的差异。梯度grad表示代价函数的变化率，用来更新参数theta，使得代价函数最小化。函数首先计算模型的预测输出h，然后使用该输出和实际输出y计算代价函数J和梯度grad。最后将它们返回给调用者。