本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。全部课程请查看吴恩达(Andrew Ng)深度学习工程师课程目录
在上一节中，讲解的是logistic回归模型。为了训练回归模型参数w和b，我们需要定义一个成本函数（cost function）。这是上一节中的函数：
$$
\begin
\hat = \theta (wT x + b), \quad where , \theta (z) = \frac{1} {1+e{-z}}
\quad \label
\end
$$
为了让模型通过学习调整参数，需要一个大小为m的训练集：
$$
{ (x{(1)}, y{(1)}) , , ... , (x{(m)}, y
$$
通过训练集，找到参数w和b，最终使得$\hat{(m)}) }{(i)} \approx y{(i)}$。
符号说明：这里的$\hat$是对一个训练样本x来说的，对于每个训练样本，使用带有圆括号的上标进行引用说明和区分样本。这样，训练样本$x{(i)}$的预测值是$\hat{(i)}$，$\hat{y{(i)}}$是用训练样本$x{(i)}$通过sigmoid函数作用到$w^T x +b$得到的。
你也可以将$z{(i)}$定义成$z{(i)}=wT x{(i )} + b$，在这门课里，我们将使用这个符号约定：上标(i)来指明第i个数据样本。
现在我们看看损失函数（或叫作误差函数），它们可以用来衡量算法的运行情况（即衡量你的预测输出值$\hat$和$y$的实际值有多近），你可以定义损失为$(\hat-y)2$或$\frac {(\hat-y)2} {2}$。结果表明你可以这样做，但通常在logistic回归中大家都不这么做，因为你在学习这些参数的时候，你会发现之后讨论的优化问题会变成非凸的，最后会得到很多个局部最优解，梯度下降法可能找不到全局最优值（后面课程会对此做详细讲解）。
误差平方在梯度下降法中不太好用，所以在logistic回归中损失函数如下：
$$
l (\hat, y) = - (y \log \hat + (1-y) \log (1-\hat))
$$
我们直观地看一下这个损失函数为何能起作用，之前我们说误差平方越小越好，同样对于这个logistic回归损失函数，我们也希望它尽可能地小。下面举两个例子。当$y=1$时损失函数为$-\log \hat$此时若让损失函数尽可能小让$\hat$尽可能大（但永远不会大于1）。另一种情况，当$y=0$时损失函数为$- \log (1-\hat)$，此时若想要损失函数尽可能小，$\hat$尽可能小即可（$y=0$）。
最后说一下，损失函数是在单个训练样本中定义的，它衡量了在单个训练样本上的表现。下面我们定义一个成本函数，它衡量的是在全体训练样本上的表现，即所有训练样本的损失函数和：
$$
J(w,b)=\frac{1} \sum_m l(\hat{(i)},y^{(i)}) = -[\frac{1} \sum_m (y{(i)} \log \hat{(i)} + (1-y{(i)}) \log (1-\hat^{(i)}))]
$$
所以损失函数只适用于单个训练样本，成本函数基于参数的总成本，所以，在训练logistic回归模型时，我们要找到合适的参数w和b，让成本函数$J$尽可能地小。
这里logsitic回归可以被看作一个非常小的神经网络，下节会更直观地去理解神经网络能做什么。