汤姆鱼

实例：Ps: np.dot()函数是对矩阵进行运算的；例如：np.dot(a,b)意思是：矩阵a和矩阵b相乘，前提条件是：矩阵a的列数要和矩阵b的函数相同，这样才符合矩阵的乘法运算法则；实例：实例：...

1、创建一个数组时，不要使用命令 a= np.random.randn(5), 这种命令生成的数据结构为(5,)，秩为1，既不是行向量也不是列向量，被称作a的一维数组，这导致它有一些不是很直观的效果；举个例子，如果我输出一个转置阵，最终结果它会和a看起来一样，所以a和a的转置阵最终结果看起来一样。而如果我输出a和a的转置阵的内积，你可能会想：a乘以a的转置返回给你的可能会是一个矩阵。但是如果我...

1、实例： 下面列表是不同食物（每100g）中不同营养成分的卡路里含量表格，表格为3行4列，列表示不同的食物种类，从左至右依次为苹果，牛肉，鸡蛋，土豆。行表示不同的营养成分，从上到下依次为碳水化合物，蛋白质，脂肪。那么，我们现在想要计算不同食物中不同营养成分中的卡路里百分比。现在计算苹果中的碳水化合物卡路里百分比含量，首先计算苹果（100g）中三种营养成分卡路里总...

1、计算m个数据的梯度:在之前的例子我们知道:

1、逻辑回归的前向传播步骤:如果你有m个训练样本，为了完成前向传播步骤，需要对于每一个样本都进行预测，即对m个样本都计算出预测值，过程为:对 第一个样本进行预测: = + b; = σ();对第二个样本进行预测...

1、在上节课程中，我们知道通过numpy内置函数和避开显式循环(loop)的方式进行量化，从而有效提高代码的速度。2、经验提醒我，当我们在写神经网络程序时，或者在写逻辑（logistic）回归，或者其他神经网络模型时，应该避免写循环（loop）语句。虽然有时写循环(loop）是不可避免的，但是我们可以使用比如numpy的内置函数或者其他办法去计算。当你这样使用后，程序效率总是快于循环（lo...

1、为什么要用向量化？ 向量化是非常基础的去除代码中for循环的艺术，在深度学习安全领域、深度学习实践中，你会经常发现自己训练大数据集，因为深度学习算法处理大数据集效果很棒，所以你的代码运行速度非常重要，否则如果在大数据集上，你的代码可能花费很长时间去运行，你将要等待非常长的时间去得到结果。所以在深度学习领域，运行向量化是一个关键的技巧。让我们举个实例说明什...

1、损失函数J(w,b)的定义: 其中，

1、计算图来计算函数J:实例一:J(a,b,c)=3(a+bc)=3(5+3*2)=33;计算图: 2、计算图的导数计算 链式法则:?(?)/?(?)=?(?)/?(?)∗?(?)/?(?)=3*1=3;符号规定:在...

1、实例1 : f(a)=3a; 当a=2时，f(a)=6; 当a=2.001时，f(a)=6.003; 即函数f(a)在a=2时，它的斜率(slope)为k= (6.003-6)/(2.001-2) =3,这就是表示，当微小改变量a的值，??(?)/??=3等价于导数表达式; 实际上函数f(a)在某一点的斜率就是函数在该点的导...

1、逻辑回归函数和代价函数 Logistics regression： Cost Function：在测试集上，我们想通过找到参数w和b，使得J(w,b)的值最小；那么通常采用梯度下降法(Gradient Descent)来求解。2、梯度下降法(Gradient Descent）梯度下降法的形象化说明在这个图中...

1、逻辑回归的输出函数为了让模型通过学习调整参数，你需要给与一个m样本的训练集，这会让你在训练集上找到参数w和参数b，来得到输出； 对于训练集的预测值，我们将它写成?，我们希望它会接近训练集中的y值； 关于符号(i)的注解：上标(i)来指明数据表示x或者y或者z或者其他数据的第i个训练样本；2、损失函数-----在单个训练样本中定义的，它衡量算法在单个训练样本中的表现...

1、应用场景: 该算法适用于二分类算法；2、Hypothesis Function(假设函数);3、实例:Cat vs No-Cat给定一个输入的特征向量x，用

1、在二分类中，输出的结果是离散型的；2、前向传播步骤:forward propagation step;方向传播步骤:backward propagation step;3、实例:Cat vs Non-Cat对应的特征向量:后续课程常用的符号:x:表示一个输入训练集y:表示输出结果,取值为(0,1);单独的样本:...

题目如下：

1、主要原因:a、大量的数据；b、算力的提升；c、算法的创新；2、次要原因:

1、实例2、neural network example:3、Structured VS Unstructured dataa、Structured data :每个数据(特征)都有明确的定义，例如:b、Unstructured data：音频、图像、文本，例如：...

1、神经网络：是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统，通俗的讲就是具备学习功能。现代神经网络是一种非线性统计性数据建模工具。2、例子：a、单一神经网络房价预测：简化模型:...