2.1 二分分类
使用二分分类来预测图片中是否有猫
二分分类
常见的符号表示
x：代表特征向量
y：代表标签
m:代表样本（Mtrain）的数量
矩阵X:是一个nx '*'m的矩阵
矩阵Y：1xm的矩阵
2.2 logistic回归
逻辑回归是一个用在监督学习问题的算法，这是所有输出y的结果为0或者1。逻辑回归的目标就是最小化预测结果与训练数据之间的误差。
2.3 logistic 回归损失函数
损失函数L用来衡量算法的运行情况，来衡量你的预测输出值y帽和y的实际值有多接近
logistic 回归损失函数
2.4 梯度下降
来训练w和b，获得使得J(w,b)最小的参数
2.5 导数
2.14 向量化logistic 回归的输出
2.15 Python中的广播
import numpy as np A=np.array([ [56.0,0.0,4.4,68.0], [1.2,104.0,52.0,8.0], [1.8,135.0,99.0,0.9] ]) print(A)
[[ 56. 0. 4.4 68. ] [ 1.2 104. 52. 8. ] [ 1.8 135. 99. 0.9]]
cal=A.sum(axis=0) print(cal)
[ 59. 239. 155.4 76.9]
percentage=100*A/cal.reshape(1,4) print(percentage)
[[ 94.91525424 0. 2.83140283 88.42652796] [ 2.03389831 43.51464435 33.46203346 10.40312094] [ 3.05084746 56.48535565 63.70656371 1.17035111]]
下面是几个例子
2.16 关于python/note的说明
