-∑_1^n▒{y_i 〖ln(〗⁡〖∅(β^T x_i )〗+(1-y_i)ln⁡〖(1-∅(β^T x_i ))〗 } 应用sympy.summation函数

可以使用Sympy库中的`sympy.summation()`函数对逻辑回归的损失函数进行求和，代码如下所示：

import sympy as sp

def logistic_regression_loss(beta, X, y):
    """
    Logistic regression loss function
    :param beta: model parameter vector
    :param X: feature matrix
    :param y: label vector
    :return: loss value
    """
    z = X.dot(beta)
    logit = 1 / (1 + sp.exp(-z))
    loss = -sp.summation(y*sp.log(logit) + (1 - y)*sp.log(1 - logit), (i, 0, n-1)) / X.shape[0]
    return loss

其中，`sp.summation()`函数表示对损失函数进行求和，`(i, 0, n-1)`表示对i从0到n-1进行求和。其他部分的含义与前面的代码相同。