神经网络基础

2.1二分分类

　　在一个二分分类问题中，结果是一个离散值的输出。

　　例如： 猫 VS 不是猫

　　这个目标是训练出一个分类器，输入是一个由特征向量x表示的图片，并且预测相关的标签y是1或者是0.这这个样例中，y是1表示是关于猫的图片（0表示非猫的图片）。

　　图片在计算机中存储在三个独立的矩阵中，表示图片中红、绿、蓝三色的像素值。这三个矩阵有相同的大小，例如，这张猫的图片的分辨率是64pixeis*64pixeis，这三个矩阵的（RGB）都是64*64的。

每一个单元的值表示像素的强度，像素的强度可以被用来构造一个n维的特征向量。在模式识别和机器学习中，一个特征向量表示一个对象，在本案例中，表示一只猫或者不是。

为构建一个特征向量x，对于每种颜色像素强度值将被展开重塑。输入特征向量x的维度是Nx = 64*64*3 = 12 288

2.2 logistic 回归

逻辑回顾是一个学习算法，当输出y是0或者1时被用在监督学习问题中。逻辑回归的目标是在预测和训练数据中最小化误差。

例如： 猫VS非猫

给定一个特征向量x表示一个图片，这个算法将去评估这张图片是一只猫的概率。

逻辑回归用的参数：

• 输出特征向量：，而Nx表示特征向量的数量。
• 训练的标签：{0,1}。
• 权 ，而Nx山师特征个数
• 线程数：
• 输出：
• sigmoid函数：

  

   

原文：http://www.cnblogs.com/ylHe/p/7722799.html