所以我正在做一些练习来准备面试测试。但是有一个任务我不明白。也许你们中的一些人可以解释他们想让我做什么？这将帮助我理解我可能遇到的潜在问题。

这是作业：

Logit Regression 让函数 LogitRegression(arr) 读取由空格分隔的 4 个数字 x、y、a、b 的输入数组，并返回更新后的 a 和 b 的两个数字的输出（假设学习率为 1）。a 和 b 的小数点后最多保存 3 位数字。输出应该是格式为：a, b 的字符串

  def LogitRegression(arr):

  # code goes here
  return arr

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

逻辑回归是一种简单的分类方法，同样的公式也常用作神经网络的输出层。我们假设输入和输出变量都是标量，逻辑回归可以写成：
y = 1.0 / (1.0 + exp(-ax - b))
观察一个数据示例 (x, y) 后，参数 a 和b 可以使用具有学习率的梯度下降来更新。示例：
输入：[1, 1, 1, 1]
输出：0.881, 0.881
输入：[2.2, 0.0, 5.1, 5.7]
输出：7.3, 6.7

我不明白的是，他们是否只给我 4 个标量并希望我在 x、y 上进行训练，然后预测 a 和 b。还是应该是权重和偏见，我需要归还训练有素的？第二个示例中的输出数字与概率不匹配，因此不可能。我可能想多了，这只是我需要做的一件简单的事情？

这是我尝试过的代码：

arr = np.array([2.2, 0.0, 5.1, 5.7])
arr2 = np.array([1.0, 1.0, 1.0,1.0])

def Logit(arr):
    learnrate = 1
    X = arr[0]
    y = arr[1]
    weights = arr[2]
    bias = arr[3]
    
    y_hat = 1/(1+np.exp(np.dot(X, -weights) - bias))
    new_weights = weights + learnrate * (y - y_hat) * X
    new_bias = bias + learnrate*(y - y_hat)
    print(new_weights, new_bias)
    
Logit(arr)

输出：

2.900000098664297 4.700000044847409