我正在从废料中构建逻辑回归。

我使用的简化成本函数是（来自 coursera 上的机器学习课程）：

在学习期间的特定情况下，训练集 y 中的一个观察结果为 0 - 但 beta 的特定选择：

使 g(z) = h(x) = 1 ，因为例如 z > 50。

在这种情况下，我的右侧 od J 是 (1 - 0) * log(1 - 1) 什么是 -inf （我在 python 中进行计算）

我知道在这种情况下，成本函数的值应该很高，因为 y = 1 的概率非常大，而事实是它实际上是 0。

g(50) 的问题近似值是 1 而不是 0.999999？还是我的逻辑存在更多基本错误？

因为这个具体的例子在我的代码中所有观察的成本总和是 nan （不是数字）。