9.1 代价函数  首先引入一些便于稍后讨论的新标记方法：        假设神经网络的训练样本有m个，每个包含一组输入x和一组输出信号y，L表示神经网络层数， 我们回顾逻辑回归问题中我们的代价函数为：       在逻辑回归中，我们只有一个输出变量，又称标量（scalar），也只有一个因变量y，但是在神经网络中，我们可以有很多输出变量，我们的是一个维度为K的向量，并且我们训练集中的因变量也是同样维度的一个向量，因此我们的代价函数会比逻辑回归更加复杂一些，为：         这个看起来复杂很