前言
吴恩达的课程堪称经典,有必要总结一下。
学以致用,以学促用,通过笔记总结,巩固学习成果,复习新学的概念。
目录
正文
本章主要引入典型问题,图像二值分类。
图像二分类问题,是否有猫
## 逻辑回归
典型算法 逻辑回归,设定图象阈值,判断0-1问题。
逻辑回归代价函数。
梯度下降算法
目标是找到最优的参数使得代价函数最小。
梯度下降算法的流程。
梯度下降导数
导数的直观解释
更多导数的直观解释
更多导数的例子
计算图
计算图的形式化展示
计算导数
计算导数的形式化展示。
逻辑回归的梯度下降
逻辑回归的计算流程
逻辑回归的导数
在m个样本上进行逻辑回归。
计算细节
#计算加速:向量化
向量化提高运算速度。
向量化运算的例子
向量化和矩阵值函数。
逻辑回归导数
向量化逻辑回归函数
向量化逻辑回归
实现逻辑回归
python里的广播机制
广播例子