逻辑回归是一个二分类问题 (二分类与回归不同，所以代价函数也不一样，因为取值希望是0,1)
函数：
其中：，
损失函数：
计算图
梯度下降法推导：
有3个公式，有3个导数
第1个：
第2个：，a在前向计算时记得保留，在反向传播时很有用
第3个：，
注意到，这里参数更新与线性回归一样，都是(a-y)x。
接下来是向量化：
w是一列矩阵，
X是矩阵，，每一列是一个样本
前向计算：
Z，A，dZ
可以用np.dot()
计算代价函数时，np.sum()加起来
反向计算：
dW = np.dot(dZ^T, X) / m，就可以直接计算了，把Z转置就可以了，这里真的是太聪明了。
db = np.sum(dZ) / m。