本文重点
上节课程我们学习了单样本逻辑回归算法的梯度下降，实际使用中我们肯定是m个样本的梯度下降，那么m个样本的如何完成梯度下降呢？
m个样本的损失函数定义为：
我们定义第i个样本的dw、db为：
dw和db为损失J对w和b的偏导数，因为m个样本的代价函数J是1到m个样本总损失的平均。所以m个样本代价函数对wj的微分也同样是各项样本损失对wj微分的平均。
对比来说单个样本就是求出dw就ok了，而m个样本就是求出m个样本的dw然后加起来求平均，这就是求m个样本求dw的方式。（dw表示损失函数对参数w的偏导数）
求出m个样本的dw之后，我们就可以将其直接应用到梯度下降算法了。
伪代码表示为：
