我在实现逻辑回归函数的一部分时，总是得到-inf的结果。我不确定为什么会这样，因为如果输出是1，那么log(1-1)就会变成-inf。

有什么想法吗？

% 根据X, Y, theta计算误差function error = empRisk(X,Y, theta)    n = length(X);    error = 0;    for i=1: n        y = Y(i,:);        x = X(i,:);        binLoss = classify(theta,x);        part1 = y-1;        part2 = log(1-binLoss);% -Inf if 1-1??        part3 = y*(log(binLoss));        error = error + ((part1*part2)-part3);    end    error = error*(1/n);end% 实现分类函数function value = classify(theta, x)    z = dot(theta,x);    result = (1/(1+exp(-z)));    % 根据结果输出0或1    if result >= 0.5        value = 1;    else        value = 0;    endend

这是empRisk应该计算的公式：

回答：

你有一个概念上的问题。在讨论经验风险最小化时通常使用的损失函数是0-1损失，这基本上是当你的分类值等于目标值时为0，否则为1（并且你对训练样本进行平均）。

如果你在讨论逻辑损失，那完全是另一回事。在这种情况下，你不希望在你的classify()函数中使用最后的if语句。所以你应该返回result。

经验风险损失（0-1损失）在theta上是非凸的，而逻辑损失在theta上是凸的，这是人们使用它的原因之一，因为即使在大问题中，计算上也可行找到正确的theta。对于经验风险损失则不是这样。