在我的印象里面。Neural Network就是多套了几层的Logistic Regression。因此，在Cost Function里面，他们也是会有很多联系的。
比如这里，我们甚至可以说他们就是一个东西，不过上面是向量化表达，下面是单独的表达。Cost Function不过就是在评估预测出来的和实际的一个区别，这就是我们的目标。
再解释一下，这里，m是x的样本个数，K就是每个x的feature，里面的交叉熵其实没区别，后面的regularization项就不太相同，不过都是在把全部的参数θ给平方后加起来罢了。注意我们不需要那个(x_0)对应的θ参数。