逻辑回归 logistic regression 代价函数导数求解过程

在学习机器学习的课程中，逻辑回归的对数似然函数为
$J(\theta)=-\frac{1}{m}\sum_{i=1}^{m}y^{i}\log(h_\theta(x^{i}))+(1-y^{i})\log(1-h_\theta(x^{i}))$

对于多元线性模型，其中$\theta^{T}x可以表示为：$
$\theta x^i:=\theta_0+\theta_1 x^i_1+\dots+\theta_p x^i_p.$
$\theta_0可以看作阈值的大小。大于阈值的分为一类，小于阈值的分为一类。$
对h(x)进行归一化