2.1 二分分类

1. 本周学习神经网络编程的基础知识
2. 构建神经网络，有些技巧是非常重要
   1. 神经网络的计算过程中，通常有一个正向的过程（正向传播步骤），接着会有一个反向步骤（反向传播步骤），
   2. 为什么神经网络的计算可以分为前向传播和反向传播两个分开的过程？本周课程通过使用logistic回归来阐述，以便于能够更好的理解，

---

1. logistic回归是一个用于二分分类的算法
   1. 比如有一个二分分类问题的例子，
      1. 假如有一张图像作为输入是这样的，你想输出识别此图的标签，如果是猫，输出1，如果不是，则输出0
         1. 
         2. 使用y来表示输出的结果标签，
   2. 来看一张图片在计算机当中是如何保存的，
      1. 计算机保存一张图片，要保存三个独立的矩阵，分别对应图中的红绿蓝三个颜色通道
         1. 
      2. 如果输入图片是64X64像素的，就会有三个64X64的矩阵，分别对应图中的红绿蓝三种像素的亮度，为了表示方便，这里使用了三个小的矩阵，他们是5X4的，而不是64X64的
      3. 要把这些像素亮度值，放进一个特征向量当中，就要把这些像素值都提出来，放入一个特征向量X
      4. 为了把这些像素值提取出来放入特征向量，就要像下面这样定义一个特征向量X，以便表示这张图片，我们把所有这些像素值都提取出来，
      5. 使用nx来表示输入的特征向量x的维度，
2. 在二分类问题中，目标是训练出一个分类器，它以图片的特征向量X作为输入，预测出的结果标签y 是1还是0，也就是预测图片当中是否有猫，
3. 一些符号约定
   1. 用一对（x，y）来表示一个单独的样本，x是一个nx维度的特征向量，标签的值为0或者1，训练集由m个训练样本组成，m代表训练样本的个数，

来自为知笔记(Wiz)