# calcul de f(x) pour tous les points:
f = 1./(1+np.exp(-X.dot(w)-b))

# calcul du gradient en W pour tous les points et pour tous les w
# (avec N le nb de points)
nabla_w = (X * (Y - f).reshape(N,1)).sum(0)
... # gradient en b, mise à jour des paramètres

# calcul de la vraisemblance:
f = 1./(1+np.exp(-X.dot(w)-b))
LV[iter] = (Y * np.log(f) + (1-Y)*np.log(1-f)).sum()