第二周、神经网络基础

2.1、二分分类

　　在计算机中保存一张图片，需要保存三个独立矩阵，分别对应图片中的红、绿、蓝三个颜色通道。如果输入图片是64x64像素的，就有三个64x64的矩阵，分别对应图片中的红、绿、蓝三种像素的亮度。要把这些像素亮度值（按红、绿、蓝顺序）放进一个特征向量x中，如果图片是64x64的，那么向量x的总维度是n_x=64x64x3=12288。

logistic回归是一个用于二分分类的算法。在二分分类问题中，目标是训练出一个分类器：它以图片的特征向量x作为输入，预测输出的结果标签是1还是0。

　　构建神经网络时，以x作为列向量，然后把（m个）训练样本（x^₁，x^₂，，,，x^_m）作为列向量进行堆叠，组成矩阵X（n_xxm矩阵，在python中为x.shape=(n_x,m)），会让构建过程简单得多。

　　而输出标签y也是将y标签放到列中，Y=[y¹，y²，，，，y^m]，Y是一个1xm矩阵（Y.shape=(1,m)）。

2.2、logistic回归（regression）

logistics回归输出的参数（parameters）：

　　　　　　　　　　　　　　　　　???=??(??^????+??)                       

其中：x是n_x维的向量，参数w和b，w（权重weight）也是n_x维的向量，b是实数，???（y hat）是输出。sigmoid函数使输出???介于0和1之间。

 由图可知：

　　1.当z是一个很大的正数时，??(??) = 1；

　　2.当z是一个很小的数或很大的负数时，??(??) = 0；

　　3.当z为0时，??(??) = 0.5。

第二周、神经网络基础

原文：https://www.cnblogs.com/zhengzian/p/13390278.html