吴恩达深度学习第一课第二周

本文介绍了吴恩达深度学习课程的第二周内容,主要涉及神经网络的基础知识,包括二分类问题、logistic回归及其损失函数、梯度下降法,以及向量化在logistic回归中的应用。重点讲解了sigmoid函数、损失函数的优化问题、反向传播的计算,并强调了Python和numpy中向量化操作的重要性。

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

第二周 神经网络基础

打卡(1)

2.1 二分类这里写图片描述

在二分分类问题中 目标是训练处一个分类器,它以图片(本例中)的特征向量X作为输入,来预测输出的结果标签y是1还是0,也就是预测图片中是否有猫。

课程中会用到的数学符号:
  • (x,y)(x,y):表示一个单独的样本;
  • xRnxx∈Rnx:表示x是nxnx维的特征向量;
  • yy∈{0, 1} :标签y值为0或1;
  • 训练集有m个训练样本构成:(x(1),y(1))(x(1),y(1))表示样本一的输入和输出;(x(2),y(2))(x(2),y(2))表示样本二的输入和输出…(x(m),y(m))(x(m),y(m)),这些样本整个一起就表示训练集,m表示训练样本的个数。m=mtrain(
评论 1
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