吴恩达深度学习笔记（7）--逻辑回归的代价函数（Cost Function）

逻辑回归的代价函数（Logistic Regression Cost Function）
在上一篇文章中，我们讲了逻辑回归模型，这里，我们讲逻辑回归的代价函数（也翻译作成本函数）。

吴恩达让我转达大家：这一篇有很多公式，做好准备，睁大眼睛！代价函数很重要！

为什么需要代价函数：

为了训练逻辑回归模型的参数 w和参数b我们，需要一个代价函数，通过训练代价函数来得到参数w和参数b 。先看一下逻辑回归的输出函数：

为了让模型通过学习调整参数，你需要给予一个m样本的训练集，这会让你在训练集上找到参数w和参数b，来得到你的输出。

对训练集的预测值，我们将它写成y^，我们更希望它会接近于训练集中的y值，为了对上面的公式更详细的介绍，我们需要说明上面的定义是对一个训练样本来说的，这种形式也使用于每个训练样本，我们使用这些带有圆括号的上标来区分索引和样本，训练样本 所对应的预测值是 y(i),是用训练样本的 (w^T) (x^(i))+b 然后通过sigmoid函数来得到，