我想使用Python实现具有交叉熵的逻辑回归，但是我在实现反向传播时遇到了问题。 我的工作流程是：
1- Gettings输入：x，shape [386,2]。
2-扩展输入集，为了进行非线性分离，我不得不添加二次特征。 X_expanded，shape [386,6]：[feature0，feature1，feature0 ^ 2，feature1 ^ 2，feature1 * feature2,1。]
3-实施逻辑函数：P（w）= 1 /（1 + exp（-Z），Z = wX，w [6,1]
4-交叉熵最小化导致的计算机丢失。
5-反向传播部分： 我想计算损失函数的梯度，并在每个权重上返回L的导数的向量[6]。
我应该实现交叉熵fct的衍生物，以便使用numpy库在每个权重上得到L的导数的向量[6]。