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

最新推荐文章于 2025-05-14 14:52:57 发布

原创最新推荐文章于 2025-05-14 14:52:57 发布 · 785 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#deep-learning

DL 同时被 2 个专栏收录

18 篇文章

订阅专栏

深度学习

3 篇文章

订阅专栏

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