逻辑回归原理及softmax回归实现mnist数据集分类python代码

softmax回归实现mnist数据集分类python代码：

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
import struct 

#image是一个n*m的数组，n是样本数（行数），m是特征数（列数）。训练数据集包含60000个样本，测试数据集包含10000个样本。在mnist数据集中的每张图片由28*28个像素点构成，每个像素点用一个灰度值表示。我们将28*28的像素展开为一个一维的行向量（每行784个值，或者说每行代表一张图片）。
#label包含相应的目标变量，也就是手写数字的类标签（整数0-9）。
image = []; label = []; testImage = []; testLabel = []
trainData = 60000; testData = 10000

fileImage = 'D:\\Python\\pythonAZ\\Lib\\idlelib\\mnist\\train-images.idx3-ubyte' #训练数据集路径
fileLabel = 'D:\\Python\\pythonAZ