1、二分类
在理解二分类问题是，可以用一个简单问题的答案例子来描述：要么是，要么不是。既可以表示为0或1。在机器学习中，基础的神经网络做猫图片的分类中是典型案例。
输入一个猫的图片，识别结果为1则是猫的图片，如果识别结果为0，则不是。
上述待识别的图（64*64像素值）->保存为三个矩阵（红、绿、蓝各为64*64的强度值）->将三个矩阵放入一个特征向量中（64*64*3）=12288像素的总量，用n表示，代表输入特征向量的维度。
在二分类中的符号说明：
定义一个矩阵用大写X的表示，有输入向量表示：
同样，也可以使用其转置来进行计算：
(x,y)表示一个单独的样本，接下来就是使用Python来实现其计算过程：
代码1：X.shape等于(n,m)，Y.shape等于(1,m)。
2、多分类学习
