ML学习笔记（2）逻辑回归

Binary Classification

逻辑回归模型一般用来解决二分类问题，就是输出y只有两个离散值{0，1}，例如判断图片中是否有猫，0表示nocat,1表示cat。通过这个例子简要介绍神经网络模型中一些标准化的、有效率的处理方法和notations。



图片包含三个RGB通道，设描述一张图片尺寸（64，64，3）。对这样一张图片要将x（64，64，3）转化为一维向量，方法是每个通道一行行取，在连接起来。64x64x3=12288，转化后的向量维度位（12288，1），为列向量，一般记为nx。

如果有m张图片，那么整个训练样本X组成矩阵，维度是（nx，m)。这里矩阵X的行nx代表了每个样本x(i)特征个数，列m代表了样本个数。这里，Andrew解释了X的维度之所以是（nx，m）而不是（m，nx）的原因是为了之后矩阵运算的方便。算是Andrew给我们的一个小小的经验吧。而所有训练样本的输出Y也组成了一维的行向量，写成矩阵的形式后，它的维度就是（1，m）。

Logistic Regression

如何使用逻辑回归解决二分类问题预测值h^=P(y=1|