与是针对一个训练样本来说的，有圆括号的上标可以区分是哪个样本，方便引用说明，比如你的第i个训练样本对应的预测值是

loss(error) function 损失函数：

损失函数通常不定义为这个形式，因为当你学习这些参数的时候，你会发现之后讨论的优化问题，会变成非凸的，最后会得到很多个局部最优解，梯度下降法可能找不到全局最优值【课程后面会讲】

用这个损失函数：

含义解释
y只可能为0或1

如果y等于1，函数变为如上形式
为了让损失函数足够小，那么就要尽可能大，但是在0-1之间，所以要接近于1，也就接近

如果y等于0

-log(1-)尽可能小，(1-)尽可能大，尽可能接近0

loss function定义在单个训练样本中，衡量在单个训练样本的表现
cost function 衡量全体样本上的表现

根据之前得到的参数w和b，对损失函数求和取平均