神經(jīng)網(wǎng)絡(luò)計(jì)算過(guò)程中分為前向傳播和反向傳播。用logistic回歸（二分分類算法）來(lái)闡述幫助更好的了解，

把圖像的三種像素亮度值放進(jìn)一個(gè)特征向量中，把這些像素值提出了，放入一個(gè)特征向量X，

定義一個(gè)X

紅綠藍(lán)列出來(lái)，三個(gè)矩陣相乘表示輸入的特征向量X的維度，

目的是制造一個(gè)二分類器，它以圖片的特征向量X作為輸入，預(yù)測(cè)輸出的結(jié)果標(biāo)簽Y是1 還是0，（預(yù)測(cè)是否有貓）

X是nx的特征向量

標(biāo)簽Y值為0或1

訓(xùn)練集由m個(gè)訓(xùn)練樣本構(gòu)成，

訓(xùn)練樣本作為行向量堆疊而不是列向量堆疊（轉(zhuǎn)置

左邊這個(gè)是構(gòu)造過(guò)程簡(jiǎn)單很多

將Y放到列中，表示1xm的矩陣

案例符號(hào)

logistic回歸（二分類問(wèn)題)

學(xué)習(xí)算法，監(jiān)督學(xué)習(xí)，輸出y標(biāo)簽是0或1

y這張圖片是貓的概率

輸入X和參數(shù)w，b（獨(dú)立的參數(shù)

b對(duì)應(yīng)一個(gè)攔截器，

O相當(dāng)與b的角色，為實(shí)數(shù)

logistic回歸模型

定義一個(gè)成本函數(shù)，用logistic回歸來(lái)訓(xùn)練成本函數(shù)