神经网络与深度学习笔记（二）逻辑回归

逻辑回归函数是由两个函数符合而成，首先我们有sigmoid函数g(z)：

当然这里面的参数可以加上各种有关theta的定值，并不一定必须就只有x之前的theta参数。

然后再把g(z)拿到h(x)函数里面去拟合就可以了，h(x)则是我们的Logistic回归函数。

把这两个方程拟合放到一起有：

sigmoid函数长这样：

由于我们是二分类的问题，因此y只有1或者0这两种可能，我们可以写出这两个方程：

后面的x表示我们输入的特征的值为x,theta表示的是我们这个x与y之间的函数的参数是theta.

当然，在我们的sigmoid函数当中，只是当z大于0的时候，我们可以看到y并不一定就真的等于1了，而是拥有了一个y=1的概率，而这个概率该如何计算，吴恩达在课程里也暂时没有讲。