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，首先咱们有sigmoid函数g(z)：

固然这里面的参数能够加上各类有关theta的定值，并不必定必须就只有x以前的theta参数。

而后再把g(z)拿到h(x)函数里面去拟合就能够了，h(x)则是咱们的Logistic回归函数。

把这两个方程拟合放到一块儿有：

sigmoid函数长这样：

因为咱们是二分类的问题，所以y只有1或者0这两种可能，咱们能够写出这两个方程：

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

固然，在咱们的sigmoid函数当中，只是当z大于0的时候，咱们能够看到y并不必定就真的等于1了，而是拥有了一个y=1的几率，而这个几率该如何计算，吴恩达在课程里也暂时没有讲。