机器学习：神经网络矩阵形式，向量形式，矩阵求导

神经网络向量形式:

$y = w^T . x +b$
这只是一个样本的处理，行向量点乘列向量。而我们实际操作使用的是矩阵形式。

神经网络矩阵形式:

矩阵形式Ｘ放在前面，所以都是ｘ.dot()，我们使用numoy处理都是使用矩阵。

神经网络损失函数：

求导：

求导前准备：

以下非常重要要当做基本公式使用．
公式１：

公式２：

公式３：

求解析解：

使用三个公式

感知机求∂L/∂w：

使用公式1

感知机求∂L/∂w1,∂L/∂w2：

∂L/∂w2使用公式１，∂L/∂w1使用公式１和反向传递的误差

附录：方便查寻找使用

想要完成新的任务，掌握矩阵求导必不可少。

一般处理ＡX型:

处理Ａ.TＡ/X型:

处理AB/X型:

处理ABCX型:

处理Ａ.T/X.T型: