回顾一下前面学过的内容,我们知道
dZ=[dz(1),dz(2),,,dz(m)]
d
Z
=
[
d
z
(
1
)
,
d
z
(
2
)
,
,
,
d
z
(
m
)
]
,
A=[a(1),a(2),,,a(m)]
A
=
[
a
(
1
)
,
a
(
2
)
,
,
,
a
(
m
)
]
,
Y=[y(1),a(2),,,y(m)]
Y
=
[
y
(
1
)
,
a
(
2
)
,
,
,
y
(
m
)
]
db=1m∑i=1mdz(i)=1mnp.sum(dZ)
d
b
=
1
m
∑
i
=
1
m
d
z
(
i
)
=
1
m
n
p
.
s
u
m
(
d
Z
)
dw=1mX(dZ)T
d
w
=
1
m
X
(
d
Z
)
T
对logistic进行一次迭代:
Z=wTX+b=np.dot(w.T,X)+b
Z
=
w
T
X
+
b
=
n
p
.
d
o
t
(
w
.
T
,
X
)
+
b
A=σ(Z)
A
=
σ
(
Z
)
dZ=A−Y
d
Z
=
A
−
Y
dw=1mX(dZ)T
d
w
=
1
m
X
(
d
Z
)
T
db=1mnp.sum(dZ)
d
b
=
1
m
n
p
.
s
u
m
(
d
Z
)
w:=w−α(dw)
w
:=
w
−
α
(
d
w
)
b:=b−α(db)
b
:=
b
−
α
(
d
b
)
以上就对logistic进行了一次迭代,倘若我们想要迭代多次,就要用到for循环了,最外层的循环是没有办法去掉的。
吴恩达之神经网络和深度学习-2.14logistic梯度回归
最新推荐文章于 2019-11-26 16:15:03 发布