day 5

1.C语言

2.深度学习

1. 二元分类——logistic回归

1.回归函数

	预测值为下式所示
	X，W均为n*1的数组

可知取值在01之间。

2.损失函数

为了知道a的准确型，定义一个损失函数

有m个样本对其加权求平均得

3梯度下降法

为了使误差最小，即J（w，b）最小引入梯度下降法。

如图，我们去寻找他的最小值。具体方法便是先以一个初始点找到其最陡的一个方向进行迭代，多次后便能接近min。如下图以一维为例。

对w进行多次求导迭代

最终获得最小值。其中涉及一些微积分的知识

那么，对于上文所说的损失函数，我们便可以对其分析

对z求导dz=a—y；继续链式求导得

然而·这只是1个样本，接下来假设有m个样本，以w1为例便可实现梯度下降法

用for循环编写

向量化logistic回归

for循环所需时间常常太久，为了节省时间，引入向量法下图是简单的对比for循环以及向量法的时间

所用函数如下

所以，我们将W，X均变为n维列向量

反向传输梯度输出

向量法代码如下右
代码对比for循环

未完待续