逻辑回归中偏导数的推导详解

逻辑回归问题中的代价函数为：
　　　　$J=-\frac{1}{m}\sum _{i=1}^m[y^{(i)}log{h}_{\theta }({\mathbf{x}}^{(i)})+(1-y^{(i)})log(1-h_{\theta }({\mathbf{x}}^{(i)}))]$，其中，$h_{\theta }(x)=g({\theta }^T\mathbf{x}),g(z)=\frac{1}{1+e^{-z}}$。
　　其关于参数$\theta$的偏导数为:
　　　　$\frac{\partial J}{\partial \theta }=\frac{1}{m}\sum _{i=1}^m[h_{\theta }({\mathbf{x}}^{(i)})-y^{(i)}]{\mathbf{x}}^{(i)}$
　　下面介绍一下偏导数推导过程：
　　偏导数推导的原理是链式法则，即：若有$y=f(g(x))$，则有$\frac{\partial y}{\partial x}=\frac{\partial f}{\partial g}\cdot \frac{\partial g}{\partial x}$。
　　运用链式法则，有
　　　　$\frac{\partial J}{\partial \theta }=\frac{\partial J}{\partial h}\underset{\partial g}{}$