m个样本的训练集,用for循环。实际上,遍历整个训练集,并不需要直接使用for循环。
【2.1二分分类】
神经网络的计算过程 通常有一个正向过程(正向传播步骤),和一个反向步骤(反向传播步骤)。神经网络的计算过程可以 分为前向传播和反向传播。
用logistic回归来阐述,logistic回归是一个用于二分分类的算法。
引例:二分分类问题
假如有一张图片作为输出,想输出识别此图的标签:如果是猫,输出1;如果不是,则输出0。
用y来表示输出的结果标签。
*一张图片,在计算机中是如何表示的?
计算机保存一张图片,要保存三个独立矩阵,分别对应图片中的红绿蓝三个颜色通道。eg:输出图片是64×64像素的,就有三个64×64的矩阵,分别对应图片中红绿蓝三种像素的亮度。
eg:用三个5×4的小矩阵。要把这些像素亮度值放进一个特征向量中,就要把这些像素值都提出来放入一个特征向量x。定义一个特征向量X以表示这张图片,我们把所有的像素值都取出来,例如255、231……把所有的红色像素列出来,紧接着是255、134、202…(绿色的),255、134、93……(蓝色的),把图片中所有红绿蓝像素强度值都列出来。若图片是64×64的,那么向量x的总维度就是64×64×3=12288(三个矩阵的元素数量)。
nx=12288表示输入的特征向量x的维度。简写为n来表示输入的特征向量的维度。
在二分分类问题中,目标是训练出一个分类器——它以图片的特征向量x作为输入,预测输出的结果标签y(1or 0),即预测图片中是否有猫。