深度之眼_吴恩达深度学习_打卡学习_逻辑回归

逻辑回归是一个二分类问题 (二分类与回归不同，所以代价函数也不一样，因为取值希望是0,1)

函数：

其中：，

损失函数：

计算图

梯度下降法推导：

有3个公式，有3个导数

第1个：

第2个：，a在前向计算时记得保留，在反向传播时很有用

第3个：，

注意到，这里参数更新与线性回归一样，都是(a-y)x。

接下来是向量化：

w是一列矩阵，

X是矩阵，，每一列是一个样本

前向计算：

Z，A，dZ

可以用np.dot()

计算代价函数时，np.sum()加起来

反向计算：

dW = np.dot(dZ^T, X) / m，就可以直接计算了，把Z转置就可以了，这里真的是太聪明了。

db = np.sum(dZ) / m。