吴恩达深度学习1-Week3课后作业-浅层神经网络

一、Deeplearning-assignment

在本次作业的开始，针对一个非线性可分的数据集通过sklearn的内置函数来训练数据集上的逻辑回归分类器，可以看到逻辑回归的表现并不理想，准确度只有47%。

因此建立一个神经网络模型，该模型有一个隐藏层，每个隐藏层有四个节点。

神经网络的正向传播：

神经网络的反向传播：

反向传播是深度学习中最难的（最具数学意义的）部分。为了帮助你，拿出了讲座中的幻灯片。您将要使用这张幻灯片右边的六个公式，因为您正在构建一个矢量化的实现。

其中，

为了计算dZ1，你需要计算 ，由于是激活函数tanh，因此如果那么.。你就可以通过numpy的函数(1 - np.power(A1, 2))来计算 的值。

---

二、相关算法代码

import numpy as np
import matplotlib.pyplot as plt
import sklearn
import sklearn.datasets
import sklearn.linear_model
from week3.testCases import *
from week3.planar_utils import plot_decision_boundary, sigmoid, load_planar_dataset, load_extra_datasets
np.random.seed(1)

X, Y = load_planar_dataset()  # 加载数据集
# plt.scatter(X[0, :], X[1, :], c=np.squeeze(Y), s=40, cmap=plt