最近开始学习人工智能，先从基本的概念学起

逻辑回归函数（预测函数）：z = dot(w,x) + b

　　解释:假设有三个特征，即x可以表示为（x1,x2,x3）,w表示权重，对应每个特征的重要程度，b表示阈值，z是预测值,展开公式，即z=（x1*w1+x2*w2+x3*w3）+b

激活函数：f(z)=（1+e^−z）^-1 用于使预测值z在[0-1]区间上，曲线图如下

　　　　

损失函数：判断自己是否预测的正确，单个训练样本的损失函数如下：

　　

　　即整个训练集的损失函数可以得出以下公式，可以成为成本函数：

结果越大，说明成本越大，预测越不准确。要想预测准确，必须使得成本函数尽量小，而影响成本函数的参数中，只有w、b两个变量，所以最终目的是求得合适的w和b，怎么求，就是神经网络学习的过程，待续。。。