吴恩达深度学习课程学习笔记 第二周 神经网络基础（上）

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。