深度学习笔记（03）：sigmoid回归

logistic回归：输出标签是1或者是0时。
回归参数是W是与输入同维的向量，维度是n_x，输出y_hat = Wx + b。
希望输出值是介于0和1中的概率值，实际上着很难办到，因为Wx + b可能是一个很大的数，也有可能是一个很小的数，甚至是负数。这样的一个概率是没有意义的。
记 z = Wx + b
y_hat = sigmoid(z)。
逻辑回归logistic的意义就在于，把一定区间内的一个不确定数，经过变换之后，得到的结果也始终处于一个范围内。
这个变换就是sigmoid公式：

在训练网络时，通常是把参数W和参数b分开的，b对应一个拦截器，图片中红色板书部分，是W和b的另外一种表示。