我正在通过机器学习教程进行工作，我陷入了逻辑回归的一部分，该部分需要计算激活值并将其提供给成本函数。
我被困住了，因为代码不再返回错误，并且据我所知，我编写的代码与类似文章中的代码几乎相同（请参见下文），但输出不正确。
这是我的代码：
#define a sigmoid function
def sigmoid(z):
a = 1/(1+np.exp(-z))
return a
#define an empty array w, and integer b
def init_zeros(dim):
w = np.zeros((dim,1))
b = 0
return w, b
#define a function to perform forward and backwards passes of logistic regression
def forward_backward(X, Y, w, b):
m = X.shape[1]
A=sigmoid(np.dot(w.T,X)+b)
cost =-1/m * np.sum(Y * np.log(A) + (1-Y) * (np.log(1-A)))
dZ = A-Y
dw = 1/m*np.dot(X,dZ.T)
db = (1/m)*np.sum(dZ)
cost = np.squeeze(cost)
grads = {'dw': dw, 'db': db}
return grads, cost
#here is the data to be used for testing the results of the forward_backward function
X = np.array([[1,2,-3,0],[0.5,6,-5,0]])
Y = np.array([[1,0,1,0]])
w = np.array([[1],[2]])
b = 0
grads, cost = forward_backward(X, Y, w, b)
print('dw = {}'.format(grads['dw']))
print('db = {}'.format(grads['db']))
print('cost = {}'.format(cost))
输出应为： dw = [[1.22019716] [2.73509556]]
db = 0.09519962669353813
成本= 6.9550195708335805
但是我得到：
dw = [[0.] [0。]]
db = 0.0
成本= 27.8200782833
很抱歉提出一个与以前的问题非常相似的问题，但我真的很困惑。 这是我用来生成上述代码的类似文章的链接-