深度学习，逻辑回归梯度下降向量化及一些编程基础

深度学习就是神经网络

 只要输入x特征，即可得到计算结果y，中间的圆圈为中间层 

结构化与非结构化数据

 左端为结构化数据，右端为非结构化数据

 

矩阵向量化

 

 

 

logic回归算法：一个用在监督学习问题（SVM）中输出y标签是0还是1的二元分类问题 

 

logistic回归模型和sigmiod函数

 

损失函数（loss function）:

 

 coss function工作原理

logic回归公式

 

应用于多样本中

 

 

 

向后传播公式

 

 

 

对logistic回归应用梯度下降法

 

 

 

向量化可以消除代码中显式for循环的部分，让代码运行更加快速 

 

 

pyhon中的np函数

 

 

 

向量化细节及其代码

正向传播

 

 

反向传播

 

左端是for循环，右端是向量化实现 

 

 

代码展示

 

Python中的传播：在进行矩阵加减乘除运算时，会自动进行矩阵的扩充

 

 

 

行向量或者列向量的编程习惯