python小白入手，第一個程式。
首先感謝大牛的原始碼：

• https://blog.csdn.net/onthewaygogoing/article/details/68485682

大牛的思路很巧妙，把矩陣操作轉化成列表操作，時刻保證列表代表的矩陣維度一致。
我貢獻的內容就是比較詳細的註釋，希望幫助更多的小白一起看懂

#程式碼基本是抄https://blog.csdn.net/onthewaygogoing/article/details/68485682
import numpy as np
#linalg是線性代數模組，包括求範數
from numpy import linalg
#pandas是匯入表格資料的方法，詳見http://codingpy.com/article/a-quick-intro-to-pandas/
 

import pandas as pd
#定義excel檔案的讀取路徑
inputfile='/Users/huatong/PycharmProjects/Data/xiguaexcel.xls'
#讀取資料檔案，引數只填路徑就可以
data_original=pd.read_excel(inputfile)
#βTx實際上是β乘x的轉置。這裡的beta是書裡已經轉置過的，x是第一行密度，第二行含糖量的矩陣，下面的x也就是書裡的x^=(x;1)的轉置。
#numpy array用於構造陣列。read_excel讀取出的資料是元組結構tuple。列表可讀寫元組只讀。list用於把元組轉換成列表，也就是把表格資料打散。單引號指定某一列
 

x=np.array([list(data_original['density']),list(data_original['suger']),[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1]])
#y是是否好瓜，因為後面βTx的結果是一行，y也就是一行了
y=np.array(list(data_original['good']))
#定義初始引數，注意這個beta是書裡β=(w;b）的轉置
beta=np.array([[0],[0],[1]])
#3.27式的l(β）,是上一次迭代的l值
old_l=0
#n是迭代次數
n=0

#迭代
while 1:
    #numpy dot是矩陣相乘，numpy T是求轉置矩陣，因為β轉置後只有一行，只需要轉置後第一行與x^相乘
 

    beta_T_X=np.dot(beta.T[0],x)  #python沒有陣列概念，後面的beta_T_x[i]也就是列表中i元素的數值
    cur_l=0  #初始化l值，以下求和
    for i in range(17):
        cur_l=cur_l+(-y[i]*beta_T_X[i]+np.log(1+np.exp(beta_T_X[i]))) #式3.27，目標是求使得這個值最小的β

    #迭代終止條件
    if np.abs(cur_l-old_l)<=0.000001: #abs求絕對值，相差小於0.000001認為收斂
        break

    #牛頓法更新β，根據式3.29到3.31
    n=n+1
    old_l=cur_l
    dbeta=0  #一階導，下面是二階導
    d2beta=0
    for i in range(17):
        #這裡的x是轉置後的，因此這一步要再轉置回來
        dbeta=dbeta-np.dot(np.array([x[:,i]]).T,(y[i]-(np.exp(beta_T_X[i])/(1+np.exp(beta_T_X[i])))))
        d2beta=d2beta+np.dot(np.array([x[:,i]]).T,np.array([x[:,i]]).T.T)*(np.exp(beta_T_X[i])/(1+np.exp(beta_T_X[i])))*(1-(np.exp(beta_T_X[i])/(1+np.exp(beta_T_X[i]))))
    beta=beta-np.dot(linalg.inv(d2beta),dbeta)  #inv是矩陣求逆
print('模型引數是：',beta)
print('迭代次數：',n)