这篇笔记详细介绍了深度学习中的二分分类问题。通过训练得到的分类器，使用特征向量x来预测图片的标签y是1或0。特征向量x包含了图片的RGB像素信息，其维度为nx=64x64x3=12288。文中还定义了样本的符号表示，如(X,Y)和训练集的表示方式，并强调了在构建模型时，将样本作为行向量堆叠的便利性。"
107184417,9329892,电动汽车电源管理的新兴技术,"['电动汽车技术', '能源管理', '半导体', '充电基础设施', '绿色能源']
笔记
二分分类
二分分类的目的：训练出一个分类器，以图片的特征向量x作为输入，预测输出结果标签y是1还是0
什么是特征向量x呢？
图片是由许许多多个像素组成，每一像素是一种颜色，由rgb按一定比例混合而成，平常rbg的取值范围为0~255，当red，green，blue的值都为0时，这个像素的颜色就为黑色，都为255时就是白色，当他们的值相同时，混合色变相为灰色。
计算机保存一张图片，要保存红、绿、蓝颜色通道的三个独立矩阵，如果输入图片的像素为64x64，则有三个64x64的矩阵分别对应红、绿、蓝三种像素的亮度。（为方便表示，此处用5x4的小矩阵部分表示64x64的矩阵）
目的：定义一个特征向量x，把三种像素的亮度值放入特征向量x。
此时特征向量的维度nx=64x64x3=12288
规定符号
(x,y) ： 是
最低0.47元/天 解锁文章
640
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
