deeplearning.5神经网络二分分类

二分分类基础

1.logistic是一个用于二分分类的算法。
举个例子，输入一张图片，判断是否是猫。如果是猫输入结果标签1.

计算机中保存图片是如下图所示，如果输入图片是6464像素的，那么就有三个6464的矩阵，分别对应图中红绿蓝三色亮度值。

在代码中使用一个x特征向量，把红绿蓝像素强度值都列出来。对上图进行特征项链存储的话，X就有64643（输入特征向量X的维度。）

二分类的问题中，是输入一个特征向量x，通过Y输出预测结果的标签是1还是0.
经常用（x，y）表示输入的训练样本，x是n维的特征向量，y标签值是0或者1，m是训练样本个数，（x1，y1）表示样本一的输入和输出。（xm，ym）表示最后一个样本m。m_train是训练集，m_test是测试集。
用一个大矩阵保存输入的训练集，由训练集的x1、x2等组成，最后这个矩阵有m列，nx行。那么现在这个矩阵X是一个nx*m的矩阵。在python中，x.shape就能输出矩阵x的行列。

对于输出标签，定义Y是由y1、y2、ym组成，是一个1*m的矩阵。同样的在python中，y.shape=（1，m）。