機器學習基礎 - [第三章：邏輯迴歸]（4）邏輯迴歸模型的代價函數簡化表示與梯度下降

1、多個訓練樣本的代價函數簡化表示 前一篇文章中，我們我們已經知道了單訓練樣本 c o s t ( h θ ( x ) ， y ) cost(h_{\theta}(x)，y) cost(hθ​(x)，y)的分段表示，實際上，它還可以寫成更緊湊的形式： c o s t ( h θ ( x ) ， y ) = − y l o g ( h θ ( x ) ) − ( 1 − y ) l o g ( 1

>>阅读原文<<