吴恩达深度学习入门学习笔记之神经网络和深度学习(第二周:神经网络基础)
2017-09-01 20:47
1151 查看
第二周:神经网络基础
2.1二分分类
训练数据集大小:m_train测试数据集大小:m_test
对于一个训练数据(x,y),x代表特征,x∈Rn,n表示数据维度,y代表label,y∈{0,1}。
对于一组训练数据,既包含特征信息,也包含标签信息。‘
对于一个容量为m的训练数据集:(x(1),y(1)),(x(2),y(2)),……,(x(m),y(m))
定义特征矩阵X(一般每个数据作为一列,列数为样本个数,行数为特征维数)
定义标签矩阵Y(每个数据对应的标签值作为一列)
2.2 logistic regression
给定一个特征向量x,我们想要得到该特征数据对应的标签值为1的概率,这里如果只是简单的定义一个系数参数w和偏移参数b,则得到的函数值y的范围很大,因此这里用sigmoid函数将得到的y变成y’,则y’范围为0到1,表示得到的概率。2.3logistic回归损失函数
损失函数用来衡量你的预测输出值和真实值的距离有多近(单个样本)。cost函数J则是衡量整个训练集的表现。
2.4梯度下降法
2.5 导数,2.6更多导数
2.7 计算图
2.8 计算图的导数计算
2.9logistic回归中的梯度下降法
2.10
相关文章推荐
- 吴恩达深度学习入门学习笔记之神经网络和深度学习(第二周:神经网络基础)
- 吴恩达深度学习入门学习笔记之神经网络和深度学习(第一周)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(1-2)-- 神经网络基础
- 吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第四节:为什么深度学习会兴起?
- 吴恩达深度学习课程笔记之神经网络基础
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(1-2)-- 神经网络基础
- 吴恩达《深度学习-神经网络和深度学习》2--神经网络基础
- 吴恩达深度学习视频笔记1-2:《神经网络和深度学习》之《神经网络基础》
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(1-2)-- 神经网络基础(转载)
- 吴恩达深度学习视频笔记1-4:《神经网络和深度学习》之《深层神经网络》
- 吴恩达神经网络和深度学习课程自学笔记(二)之神经网络基础
- 吴恩达深度学习视频笔记1-1:《神经网络和深度学习》之《深度学习概论》
- 吴恩达神经网络和深度学习课程自学笔记(六)之优化算法
- 深度学习1——深度学习(四)卷积神经网络入门学习(1)
- 吴恩达神经网络和深度学习课程自学笔记(三)之浅层神经网络
- 吴恩达-深度学习笔记《改善深层神经网络:超参数调试、正则化以及优化》
- 机器学习基础知识-神经网络与深度学习学习笔记(二)
- [DeeplearningAI笔记]神经网络与深度学习2.1-2.4神经网络基础
- 吴恩达深度学习课程笔记 1.3用神经网络进行有监督学习
- 零基础入门深度学习(5) - 循环神经网络