01 Deep learning神经网络的编程基础 二分类--吴恩达

二分类

1. 核心定义

二分类任务是监督学习中最基础的问题类型,其目标是将样本划分为两个互斥类别。设样本特征空间为 X ⊆ R n \mathcal{X} \subseteq \mathbb{R}^n X⊆Rn,输出空间为 Y = { 0 , 1 } \mathcal{Y} = \{0,1\} Y={0,1},学习目标为建立映射关系:
f : X → Y f: \mathcal{X} \to \mathcal{Y} f:X→Y

1.1以识别猫咪为例

在计算机中,这张图片需要三个矩阵进行表示,分别对应红、绿、蓝三种通道,如果它是一张像素为64的图片,则每个矩阵为64*64的矩阵,分别对应红、绿、蓝三种颜色的强度值。定义特征向量 x \mathcal{x} x来表示这张图片:把这三个向量中的所有像素取出放入同一个矩阵中,则这个特征向量的维度是64 * 64 * 3,也就是nx=64 * 64 * 3。

符号定义说明:

x \mathcal{x} x :表示一个输入数据,维度为(nx,1)
y \mathcal{y} y :表示一个输出结果,取值为(0,1)
( x ( i ) , y ( i ) \mathbf{x}^{(i)},\mathbf{y}^{(i)} x(i),y(i)) :表示第i组数据,此处默认为训练数据。(测试数据)
X =[ x ( 1 ) , x ( 2 ) , . . . , x ( m ) \mathbf{x}^{(1)},\mathbf{x}^{(2)},...,\mathbf{x}^{(m)} x(1),x(2),...,x(m)]: 表示所有训练数据的输入值,放在一个(nx,m)的矩阵中。
Y =[ y ( 1 ) , y ( 2 ) , . . . , y ( m ) \mathbf{y}^{(1)},\mathbf{y}^{(2)},...,\mathbf{y}^{(m)} y(1),y(2),...,y(m)]: 表示所有训练数据的输出值,放在一个(1,m)的矩阵中。
( x , y \mathcal{x},\mathcal{y} x,y ) :表示单个样本。
Mtrain :表示由m个单独的样本组成训练集; {( x ( 1 ) , y ( 1 ) \mathbf{x}^{(1)},\mathbf{y}^{(1)} x(1),y(1)), x ( 2 ) , y ( 2 ) \mathbf{x}^{(2)},\mathbf{y}^{(2)} x(2),y(2),..., x ( m ) , y ( m ) \mathbf{x}^{(m)},\mathbf{y}^{(m)} x(m),y(m)};(Mtest

相关推荐
可触的未来,发芽的智生21 分钟前
新奇特:神经网络的集团作战思维,权重共享层的智慧
人工智能·python·神经网络·算法·架构
StarPrayers.1 小时前
基于PyTorch的CIFAR10加载与TensorBoard可视化实践
人工智能·pytorch·python·深度学习·机器学习
研梦非凡3 小时前
探索3D空间的视觉基础模型系列
人工智能·深度学习·神经网络·机器学习·计算机视觉·3d
jie*4 小时前
小杰深度学习(four)——神经网络可解释性、欠拟合、过拟合
人工智能·python·深度学习·神经网络·scikit-learn·matplotlib·sklearn
荼蘼5 小时前
基于 OpenCV + 深度学习的实时人脸检测与年龄性别识别系统
人工智能·深度学习·opencv
jie*5 小时前
小杰深度学习(five)——正则化、神经网络的过拟合解决方案
人工智能·python·深度学习·神经网络·numpy·matplotlib
Psycho_MrZhang5 小时前
丢弃法-Dropout
人工智能·深度学习·机器学习
cyyt6 小时前
深度学习周报(9.22~9.28)
深度学习·attention·量子计算
艾醒6 小时前
大模型面试题剖析:模型微调中冷启动与热启动的概念、阶段与实例解析
深度学习·算法
防搞活机7 小时前
ubuntu 服务器(带NVLink)更新显卡驱动 (巨坑!!)
linux·服务器·深度学习·ubuntu·gpu算力·显卡驱动