深度学习笔记1之认识神经网络

第一课

week1

什么是神经网络

输入X,就可得到Y,无需知道过程,中间过程由神经网络自己负责。
在这里插入图片描述

week2

二元分类 (Binary Classification)

逻辑回归是一个用于二分类(binary classification)的算法
在这里插入图片描述
在这里插入图片描述
X矩阵中列向量是特征向量,是图片所有像素变成一列。X一共是nxm
在这里插入图片描述
结果Y是一行,1xm

在这里插入图片描述

X 是一个n维的向量(相当于有 n 个特征的特征向量)。我们用来 w 表示逻辑回归的参数,这也是一个 n 维向量(因为 w 实际上是特征权重,维度与特征向量相同),参数里面还有 b ,这是一个实数(表示偏差)。按理说y的值需要再0,1直接,所以加入sigmoid函数,将线性函数转换为非线性函数。

loss function
loss是标签和输出的误差,要尽可能小。来衡量单个样本的表现
在逻辑回归中梯度下降不适,使用以下loss在这里插入图片描述
y=1时,是y^ 越大越好,但y^ 是 0,1之间,所以让y^ 接近1最好
y=0时,y^接近0最好.

cost function
在这里插入图片描述

代价函数来衡量全体样本的表现,代价函数是参数的总代价,所以在训练逻辑回归模型时候,我们需要找到合适的 w和 b ,来让代价函数 J 的总代价降到最低

梯度下降

函数J是凸函数,要求得它最小时候的 w w w b b b。通常会初始化 w w w b b b,用0或者随机值。
梯度下降就是超坡度最陡的方向进行下一步,学习率就是下降的速度。
在这里插入图片描述
导数是斜率,。如果 w w w在右方,导数为正,那么学习率X导数为正, w w w

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值