逻辑回归解决二分类问题（一）

逻辑回归模型一般用来解决二分类问题。

Binary Classification

一般的二分类问题，输出 $y$ 只有 {0, 1} 两个离散值，也有 {-1, 1} 的情况。

以一个图像识别问题为例，判断图片中是否有猫存在，0 代表not-cat，1 代表cat。

一般来说，彩色图片包含RGB三个通道。例如该cat图片的尺寸为（64，64，3）。
在神经网络模型中，我们首先要将输入的图片$X$（64，64，3）转化为一维的特征向量（feature vector）。方法是每个通道一行一行取，再连接起来。由于64x64x3=12288，则转化后的输入特征向量维度为（12288，1），此特征向量X是列向量，维度一般记为 $n_x$ 。

这里，$X$的维度之所以是 $(n_x，1)$ 而不是 $(1，n_x)$ 的原因是为了之后矩阵运算的方便———来自Andrew Ng的经验。

如果训练样本共有 $m$ 张图片，那么 整个训练样本矩阵 $X:(n_x,m)$。 注意，这里矩阵$X$的行 $n_x$ 代表了这$m$个样本$x_1$ ~ x m x_{m} x