1.回顾逻辑回归的正向传播步骤
对单个样本进行预测,你需要做m次。(用for循环)
- 实现向量化(正向传播一步迭代)
定义矩阵X(nx,m)(包含所有的训练样本)
构建Z(1,m)的行向量,一步执行用来存放单个样本的z
python实现
Z = np.dot(w.T,X) + b
其中,b是一个实数,在python里运行计算会自动把b变成(1,m)的行向量,即广播
- 思考
A如何计算(课后题)
2.回顾梯度计算
定义一个新的变量dZ
- 总结向量化的逻辑回归
1.回顾逻辑回归的正向传播步骤
对单个样本进行预测,你需要做m次。(用for循环)
python实现
Z = np.dot(w.T,X) + b
其中,b是一个实数,在python里运行计算会自动把b变成(1,m)的行向量,即广播
2.回顾梯度计算
定义一个新的变量dZ