逻辑回归的回顾

1、模型函数

2、激活函数
其中，h（x）= p（y|x）（y=0或者y=1，当y=1时，代表，输入x时，输出是1的概率，当y=0时，代表，输入x，输出是0的可能性大小。
3、单个训练数据的损失函数（衡量概率与y到底有多接近）

4、m个训练数据的损失

5、为什么这里损失函数是这样的。
因为这里预测是值是概率，所以用线性回归的损失函数方法不合适（为什么不合适？因为用那种方法求得的函数不是凸函数，会有多个极值），那么这里的损失函数为什么写成这样呢？这里我们要画出来log函数了，因为我们知道h（x）的值是概率，所以大于0小于1，根据损失函数可知，当概率与1相差不大的时候，-log函数就会趋近于0，当概率与0，当y==1时。
当y=0时，当概率与0相差不大的时候，-log的函数就会趋近于0，（这里与前面的-log里面的内容并不相同）因此能够用来衡量损失。
6、对于m个训练样本