吴恩达深度学习 —— 2.10 m个样本的梯度下降

在之前的学习中，已经看到了如何计算导数，同时把梯度下降法应用到逻辑回归的一个训练样本上。现在要把它应用在m个训练样本上。

首先，时刻记住有关于成本函数J(w,b)的定义，前面介绍了针对单个训练数据怎么计算导数。

全局成本函数，是一个求和，实际上是1到m项损失函数和的平均，它表明全局成本函数对$w_1$的导数也同样是各项损失函数对$w_1$导数的平均，我们已经演示了怎么对单个训练数据求导数的运算。我们真正需要做的是计算这些导数并求平均，这会得到全局梯度值，这能够把它直接应用到梯度下降算法中。