python 逻辑回归 程序解析

python《机器学习实战》逻辑回归部分，用全部样本多次进行梯度上升的程序如下：

# coding=utf-8
__author__ = 'Administrator'
from numpy import *
#从文本中加载数据，文档中保存了100个坐标为X,Y的数据
def loadDataSet():
    dataMat = []; labelMat = []
    fr = open('testSet.txt')
    for line in fr.readlines():
        lineArr = line.strip().split()
        dataMat.append([1.0, float(lineArr[0]), float(lineArr[1])])   #将数据维度进行了拓展，第一维全部设置为1.0，第二维和第三维是原文本文档中的数据
        labelMat.append(int(lineArr[2]))  #标签
    return dataMat,labelMat

# sigmoid 函数运算
def sigmoid(inX):
    return 1.0/(1+exp(-inX))

#梯度下降法
def gradAscent(dataMatIn, classLabels):
    dataMatrix = mat(dataMatIn)             #convert to NumPy matrix
    labelMat = mat(classLabels).transpose() #convert to NumPy matrix
    m,n = shape(dataMatrix)   #get the rows and cols of the data
    alpha = 0.001             #