吴恩达深度学习入门学习笔记之神经网络和深度学习（第二周：神经网络基础）
第二周：神经网络基础
2.1二分分类
训练数据集大小：m_train
测试数据集大小：m_test
对于一个训练数据（x，y），x代表特征，x∈Rn，n表示数据维度，y代表label，y∈{0，1}。
对于一组训练数据，既包含特征信息，也包含标签信息。‘
对于一个容量为m的训练数据集：（x(1)，y(1)），（x(2)，y(2)），……，（x(m)，y(m)）
定义特征矩阵X（一般每个数据作为一列，列数为样本个数，行数为特征维数）
定义标签矩阵Y（每个数据对应的标签值作为一列）
2.2 logistic regression
给定一个特征向量x，我们想要得到该特征数据对应的标签值为1的概率，这里如果只是简单的定义一个系数参数w和偏移参数b，则得到的函数值y的范围很大，因此这里用sigmoid函数将得到的y变成y’，则y’范围为0到1，表示得到的概率。
2.3logistic回归损失函数
损失函数用来衡量你的预测输出值和真实值的距离有多近（单个样本）。
cost函数J则是衡量整个训练集的表现。