小红正在为 5G 基站搭建一个轻量级故障预警模型。每条历史数据包含两个特征：设备工作温度 x1、天线负载系数 x2，以及标签 y。y=1 表示发生故障，y=0 表示运行正常。 为了让模型可以部署在边缘设备上，小红使用逻辑回归并通过批量梯度下降从零开始训练。初始时 w1、w2、b 都为 0。 对每个样本，预测概率为： z = w1*x1 + w2*x2 + b p = 1/(1+e^(-z)) 每一轮迭代使用全部 N 个样本计算平均梯度： dw1 = average((p-y)*x1) dw2 = average((p-y)*x2) db = average(p-y) 然后按学习率 alpha 更新参数： w1 = w1 - alpha*dw1 w2 = w2 - alpha*dw2 b = b - alpha*db 完成 E 轮迭代后，请输出给定新基站样本发生故障的概率。
所有数据通过标准输入读取，数值之间由一个或多个空格分隔。 - 第一行：三个数值，分别为训练样本数 N （整数）、迭代次数 E （整数）和学习率 （浮点数）。 - 第 2 到第 N+1 行：每行三个数值，分别为 x_1 ， x_2 （浮点数）和标签 y （整数 0 或 1）。 - 最后一行：两个数值，分别为待预测新样本的特征 x_1_new 和 x_2_new （浮点数）。 参数范围约束： - 1 ≤ N ≤ 1000 - 1 ≤ E ≤ 1000 - 0.001 ≤ ≤ 1.0 - -100.0 ≤ x_1, x_2, x_1_new, x_2_new ≤ 100.0
- 输出一行，包含一个浮点数，表示新样本发生故障的预测概率。 - 要求四舍五入保留到小数点后 4 位（例如： 0.5312 ）。 ## 补充说明
2 1 0.1 1.0 2.0 1 -1.0 -2.0 0 0.5 1.0
0.5312
考点：模拟
数据规模 N ≤ 1e3 ｜ 限制 2 秒 / 256MB ｜ 标准输入输出
推荐方向：模拟
本题切入点
逻辑回归从零训练：每轮用全部样本算平均梯度 dw=(p−y)x，再按学习率同步更新 w1,w2,b；E 轮后对新样本算 sigmoid 概率并保留四位小数。
不涉及复杂算法，把题目描述的流程原样翻译成代码逐步执行即可。
思路框架（模拟 通法 · 非本题专属）
实现要点：结构上通常是一个外层循环包住若干 if/else 分支；只要状态定义清楚，正确率很高。
复杂度：时间 O(操作次数) ｜ 空间 O(状态数)
该范式的通法易错点
对照本题
样例 1
2 1 0.1 / 1.0 2.0 1 / -1.0 -2.0 0 / 0.5 1.00.5312解析由校招宝本地引擎整理（依据源站考点标签 / 人工判题标注 / 题面规模信号），非官方题解，仅供思路参考。
本题来源：2026年-华为-05月09号AI岗。