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