吴恩达ML课程笔记（第4周）

上标层数，下标特征编号

The output nodes will not include the bias nodes while the inputs will.

5.a，$\theta$，z的上标和下标的意义（这里都是单一数字，不考虑向量）：

类别	上标	下标
a	特征的序号	所在的层数
$\theta$	左下标是目标层数特征的下标，右下标是出发层数的特征下标	出发层数
z	和a的一致	和a的一致

z和a的关系是：

6.多分类情况下的神经网络

7.matlab中的size函数：
这个函数是用来获取矩阵的函数和列数的，我们用矩阵X来说明一下它的具体用法：
1）size(X):返回一个行向量，第一个元素是X的行数，第二个元素是X的列数
2）size（X，1）：返回矩阵的行数
3）size（X，2）：返回矩阵的列数

8.我说一下这一周的作业里predictOneVsAll.m的思路：
X是一个5000*401的特征矩阵，也就是所，有5000个样本，401个特征（包括x₀）；all_theta是10*401，其中每一行的数据能把某一个样本的特征转化为对应的样本值，比如第一行就是把某一个样本的特征值转化为标签1所得到的值；sigmoid（X*all_theta’）得到的是5000*10的矩阵，也就是每一行的值就是这个样本可能是数字1~9，以及0的可能性，我们取最大的可能性，并记下其索引值，得到的就是这一个样本可能对应的数字。比如，我们第一行的数据为：0.11，0.32，0.13，0.04，0.35，0.66，0.47，0.08，0.9，0.03，最大值为第9个元素：0.9，也就是说我们计算出来的第一个样本是数字9的可能性是最大的，所以我们就把这个索引9记录在矩阵P里，其它样本同理。

9.作业答案链接：github
作业提交情况截图：