深度学习笔记（一）

一；逻辑回归分类器 （Logistic classifier）----  一种线性分类器（linear classifier）

     

：接受输入，是一个大的向量，如图片的像素灰度值

：权重（weights），一个矩阵

：偏置项（the biased term），可称为偏置

：在逻辑回归的概念中，结果常被称作“logits”

目的：对输入执行一个线性函数来生成预测

应达到的效果：最后结果为0~1之间的值，结果接近1为Yes，接近0为No。

实现方法：softmax函数 ：把logits转换为probabilities

                                           

扫描二维码关注公众号，回复： 3277739 查看本文章

softmax函数函数体如下：

import numpy as np

def softmax(x):
    """Compute softmax values for each sets of scores in x."""
    return np.exp(x)/np.sum(np.exp(x), axis=0)

numpy包中的exp()方法：np.exp(i) ->返回e的i次方。i可以为单个值，也可以为数组、向量、矩阵（此时为数组）

numpy包中sum()方法：np.sum() ，求和。可输入数组。 默认axis为None，表示将所有元素的值相加 axis = 0按行求和 axis = 1按列求和

numpy中array类：

获取行列数：x.shape  -> (4,3)

获取行数：x.shape[0] -> 4

获取列数：x.shape[1] -> 3

创建数组：

np.zeros((3,3))  -> 3*3全为0的数组

np.ones((3,3))  -> 3*3全为1的数组

np.full((3,3), 0)  -> 3*3全为0的数组，与np.zeros((3,3))等同