客观的

寻求帮助，请告知为什么梯度下降实现在下面不起作用。

背景

处理以下任务以实现逻辑回归。

梯度下降

如图所示推导出梯度下降。

Typo fixed as in the red in the picture. 交叉熵对数损失为$- \left [ylog(z) + (1-y)log(1-z) \right ]$

实现了代码，但是它说不正确。

import numpy as np  


def LogitRegression(arr):
  # code goes here
  x = arr[0]
  y = arr[1]
  a = arr[2]
  b = arr[3]

  z = 1.0 / (1.0 + np.exp(-a * x - b))
  lr = 1.0

  a = a - x * (z-y)
  a = np.round(a, decimals=3)
  b = b - (z-y)
  b = np.round(b, decimals=3)
  
  return ", ".join([str(a), str(b)])

# keep this function call here 
print(LogitRegression(input()))

如果我恢复梯度更新的符号，它就可以工作。但是，不知道为什么。

  # a = a - x * (z-y)
  a = a + x * (z-y)
  a = np.round(a, decimals=3)

  # b = b - (z-y)
  b = b + (z-y)     
  b = np.round(b, decimals=3)