逻辑回归代价函数实现报错，请求排查函数正确性问题

代码中的核心错误 #

• 循环缩进错误：外层for i in range(m):仅执行了z_wb = 0，后续的特征遍历、z值计算、损失计算都不在样本循环范围内，导致代码只会处理最后一个样本，而非全部m个样本。
• 偏置b重复累加：在每个特征j的循环内都执行z_wb += b，正确逻辑是所有特征加权求和完成后，仅添加一次偏置b。
• 代价计算位置错误：total_cost = (1/m)*loss_sum被放在内层循环中，每次特征遍历都会重复计算平均代价，正确位置应该是所有样本损失累加完成后再计算平均。

修正后的代码 #

def compute_cost(X, y, w, b, lambda_= 1):
    """
    计算所有样本的代价
    参数:
      X : (ndarray 形状 (m,n)) 数据，m个样本，n个特征
      y : (array_like 形状 (m,)) 目标值
      w : (array_like 形状 (n,)) 模型的参数值
      b : 标量，模型的偏置参数值
      lambda_: 未使用的占位符
    返回:
      total_cost: (标量) 代价
    """

    m, n = X.shape
    loss_sum = 0
    
    for i in range(m): 
        z_wb = 0 
        # 遍历所有特征计算加权和
        for j in range(n): 
            z_wb += w[j] * X[i][j] 
        # 仅添加一次偏置项
        z_wb += b 
        f_wb = sigmoid(z_wb)
        # 计算单个样本的损失
        loss = -y[i] * np.log(f_wb) - (1 - y[i]) * np.log(1 - f_wb) 
        loss_sum += loss 
    # 计算所有样本的平均代价
    total_cost = (1/m) * loss_sum
    
    return total_cost

内容的提问来源于stack exchange，提问作者Benjamin Gardner