pytorch实现logistic回归

    用pythor实现的logistic回归模型

import os
import traceback as tb
import copy
import random
import numpy as np
import pandas as pd
import torch
import torch.nn as nn
import torch.optim as optim

MIN_PROBABILITY = 0.001
MAX_LOSS = 999999999
PROBABILITY_THRESHOLD = 0.995

class Logistic（nn.Module）:
    def __init__（self batch_size sample_size
                 learning_rate=0.01 momentum=0.1 weight_decay=1
                 train_sample_df=None test_sample_df=None）:
        super（Logistic self）.__init__（）
        self.batch_size = batch_size
        self.sample_size = sample_size
        init_coef = torch.zeros（sample_size + 1 dtype=torch.double）  # coefficients and intercept
        self.coef = nn.Parameter（init_coef requires_grad=True）
        self.learning_rate = learning_rate
        self.momentum = momentum
        self.optimizer = optim.SGD（self.parameters（） lr=learning_rate momentum=momentum weight_decay=weight_decay）

        self.train_sample_df = train_sample_df
        s