1、逻辑回归
模型：
首先，你需要输入特征x，参数w和b,计算出z,然后利用z就可以计算出a， 这里将符号换为表示输出的𝑦，然后就可以计算出loss fuction L(a,𝑦)。计算步骤如下：
2、神经网络
模型
在这个神经网络模型中对应的3个节点，首先计算第一层网络中的各个节点相关的数𝑧[1]，接着计算𝛼[1]，在计算下一层网络同理；我们会使用符号[𝑚]表示第m层网络中节点相关的数，这些节点的集合被称为第m层网络。这样可以保证[𝑚]不会和我们之前用来表示单个的训练样本的[𝑖]（即我们使用表示第i个训练样本）混淆；整个计算过程，公式如下：
接下来，你需要使用另外一个线性方程对应的参数计算𝑧[2], 计算 𝑎[2], 此时𝑎[2]就是整个神经网络最终的输出，用𝑦表示网络的输出。
在神经网络中，我们反复的计算z和a，最后得到了最终的输出loss function。
同样，在神经网络中也有从后向前的计算，如上图，最后需要计算d𝑎[2]、d𝑧[2]，计算出来之后，然后计算d𝑤[2]、𝑑𝑏[2]等，按上图箭头表示的那样，从右到左反向计算。