Coursera-Deep Learning Specialization 课程之(一):Neural Networks and Deep Learning-weak2

本文介绍了Logistic回归作为神经网络的基本组成部分,并通过Python和矢量化操作实现算法。读者将学习到二分类任务中Logistic回归的工作原理及其背后的数学概念,如梯度下降等,并能掌握如何使用Python和Numpy来实现这些算法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

weak2目录:
Logistic Regression as a Neural Network
Python and Vectorization
编程作业:
1. Python Basics with numpy (optional)
2. Logistic Regression with a Neural Network mindset

学习目标:
建立浅层神经网络的logistic回归模型
掌握机器学习算法的主要步骤,包括预测、导数计算以及梯度下降
了解如何使用反向传播思想计算logistic回归的导数
熟悉Python and Numpy
使用iPython Notebooks工作
能够实现跨多个训练样本的矢量化

课程内容之Logistic Regression as a Neural Network
Binary classification(二分类)、Logistic Regression、Logistic Regression损失函数
梯度下降、导数、Computation graph(计算图)及求导、LogisticRegression梯度下降
课程内容之Python and Vectorization
矢量化Logistic Regression、矢量化Logistic Regression梯度、Brocasting、logistic 回归代价函数的解释
编程作业(后续完成)
1. Python 基础(optional)
2. Logistic Regression with a Neural Network mindset

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值