Logistic 回归——python实现_附详细代码

umpy是利用pyhon进行科学化编程计算中的一个主要的模块。下面我们就来先构建深度学习中的一些基本的函数吧！

1.sigmoid 函数，np.exp()

练习：利用math.exp() 写一个sigmoid函数，使得函数返回值为一个实数x。
提示：sigmoid函数就是我们常常所说的logistic函数。它是一个非线性的函数，不仅在机器学习(Logistic Regression）而且在深度学习中我们也能常常见到。
(Logistic函数或Logistic曲线是一种常见的S形函数，它是皮埃尔·弗朗索瓦·韦吕勒在1844或1845年在研究它与人口增长的关系时命名的。广义Logistic曲线可以模仿一些情况人口增长（P）的S形曲线。起初阶段大致是指数增长；然后随着开始变得饱和，增加变慢；最后，达到成熟时增加停止。
来源于百度百科）
下面是simoid函数的图示：

利用python来引用一个属于某个模块的函数时，我们应该利用模块名.函数名()的形式。我们通过下面math.exp()例子来说明。

import math
def basic_sigmod():
    s