吴恩达 DeepLearning.ai课程笔记（1-3）神经网络和深度学习 --- 浅层神经网络

以下为在Coursera上吴恩达老师的DeepLearning.ai课程项目中，第一部分《神经网络和深度学习》第二周课程部分关键点的笔记。笔记并不包含全部小视频课程的记录，如需学习笔记中舍弃的内容请至 Coursera 或者 网易云课堂。同时在阅读以下笔记之前，强烈建议先学习吴恩达老师的视频课程。

1. 二分类问题

对于二分类问题，大牛给出了一个小的Notation。

  • 样本： (x,y) ，训练样本包含 m 个；
  • 其中 x\in R^{n_{x}} ，表示样本x  包含 n_{x}个特征；
  • y\in{0,1} ，目标值属于0、1分类；
  • 训练数据： \{(x^{(1)},y^{(1)}),(x^{(2)},y^{(2)}),\cdots,(x^{(m)},y^{(m)})\}

输入神经网络时样本数据的形状：

X.shape=(n_{x}, m)

目标数据的形状：

Y=[y_{(1)},y_{(2)},\cdots,y_{(m)}]

Y.shape=(1, m)

 

2. logistic Regression

逻辑回归中，预测值：

\[\hat h = P(y=1|x)\]

其表示为1的概率，取值范围在 [0,1] 之间。 引入Sigmoid函数，预测值：

\hat y = Sigmoid(w^{T}x+b)=\sigma(w^{T}x+b)

其中

Sigmoid(z)=\dfrac{1}{1+e^{-z}}

 

注意点：函数的一阶导数可以用其自身表示，

\sigma'(z)=\sigma(z)(1-\sigma(z))

这里可以解释梯度消失的问题，当 z=0 时，导数最大，但是导数最大为 \sigma'(0)=\sigma(0)(1-\sigma(0))=0.5(1-0.5)=0.25 ，这里导数仅为原函数值的0.25倍。 参数梯度下降公式的不断更新， \sigma'(z) 会变得越来越小，每次迭代参数更新的步伐越来越小，最终接近于0，产生梯度消失的现象。

 

3. logistic回归 损失函数

Loss function

一般经验来说，使用平方错误（squared error）来衡量Loss Function：

L(\hat y, y)=\dfrac{1}{2}(\hat y-y)^{2}

但是，对于logistic regression 来说，一般不适用平方错误来作为Loss Function，这是因为上面的平方错误损失函数一般是非凸函数（non-convex），其在使用低度下降算法的时候，容易得到局部最优解，而不是全局最优解。因此要选择凸函数。

逻辑回归的Loss Function：

L(\hat y, y)=-(y\log\hat y+(1-y)\log(1-\hat y))

  • 当 y=1 时， L(\hat y, y)=-\log \hat y 。如果 \hat y 越接近1， L(\hat y, y) \approx 0 ，表示预测效果越好；如果 \hat y 越接近0， L(\hat y, y) \approx +\infty ，表示预测效果越差；
  • 当 y=0 时， L(\hat y, y)=-\log (1-\hat y) 。如果 \hat y 越接近0， L(\hat y, y) \approx 0 ，表示预测效果越好；如果 \hat y 越接近1， L(\hat y, y) \approx +\infty ，表示预测效果越差；
  • 我们的目标是最小化样本点的损失Loss Function，损失函数是针对单个样本点的。

Cost function

全部训练数据集的Loss function总和的平均值即为训练集的代价函数（Cost function）。

J(w,b)=\dfrac{1}{m}\sum_{i=1}^{m}L(\hat y^{(i)}, y^{(i)})=-\dfrac{1}{m}\sum_{i=1}^{m}\left[y^{(i)}\log\hat y^{(i)}+(1-y^{(i)})\log(1-\hat y^{(i)})\right]

  • Cost function是待求系数w和b的函数；
  • 我们的目标就是迭代计算出最佳的w和b的值，最小化Cost function，让其尽可能地接近于0。

 

4. 梯度下降

用梯度下降法（Gradient Descent）算法来最小化Cost function，以计算出合适的w和b的值。

每次迭代更新的修正表达式：

w:=w-\alpha\dfrac{\partial J(w,b)}{\partial w}

b:=b-\alpha\dfrac{\partial J(w,b)}{\partial b}

在程序代码中，我们通常使用dw来表示 \dfrac{\partial J(w,b)}{\partial w} ，用db来表示 \dfrac{\partial J(w,b)}{\partial b} 。

 

5. 逻辑回归中的梯度下降法

对单个样本而言，逻辑回归Loss function表达式：

z= w^{T}x+b

\hat y=a=\sigma(z)

L(a, y)=-(y\log (a)+(1-y)\log(1-a))

反向传播过程：

前面过程的da、dz求导：

da = \dfrac{\partial L}{\partial a}=-\dfrac{y}{a}+\dfrac{1-y}{1-a}

dz = \dfrac{\partial L}{\partial z}=\dfrac{\partial L}{\partial a}\cdot\dfrac{\partial a}{\partial z}=(-\dfrac{y}{a}+\dfrac{1-y}{1-a})\cdot a(1-a)=a-y

再对 w_{1}、w_{2} 和b进行求导：

dw_{1} = \dfrac{\partial L}{\partial w_{1}}=\dfrac{\partial L}{\partial z}\cdot\dfrac{\partial z}{\partial w_{1}}=x_{1}\cdot dz=x_{1}(a-y)

db = \dfrac{\partial L}{\partial b }=\dfrac{\partial L}{\partial z}\cdot\dfrac{\partial z}{\partial b }=1\cdot dz=a-y

梯度下降法：

w_{1}:=w_{1}-\alpha dw_{1}

w_{2}:=w_{2}-\alpha dw_{2}

b:=b-\alpha db

 

6. m个样本的梯度下降

对m个样本来说，其Cost function表达式如下：

z^{(i)}= w^{T}x^{(i)}+b

\hat y^{(i)}=a^{(i)}=\sigma(z^{(i)})

J(w,b)=\dfrac{1}{m}\sum_{i=1}^{m}L(\hat y^{(i)}, y^{(i)})=-\dfrac{1}{m}\sum_{i=1}^{m}\left[y^{(i)}\log\hat y^{(i)}+(1-y^{(i)})\log(1-\hat y^{(i)})\right]

Cost function 关于w和b的偏导数可以写成所有样本点偏导数和的平均形式：

dw_{1} =\dfrac{1}{m}\sum_{i=1}^{m}x_{1}^{(i)}(a^{(i)}-y^{(i)})

db = \dfrac{1}{m}\sum_{i=1}^{m}(a^{(i)}-y^{(i)})

 

7. 向量化（Vectorization）

在深度学习的算法中，我们通常拥有大量的数据，在程序的编写过程中，应该尽最大可能的少使用loop循环语句，利用python可以实现矩阵运算，进而来提高程序的运行速度，避免for循环的使用。

逻辑回归向量化

  • 输入矩阵X：(n_{x},m)
  • 权重矩阵w： (n_{x},1)
  • 偏置b：为一个常数
  • 输出矩阵Y： (1,m)

所有m个样本的线性输出Z可以用矩阵表示：

Z = w^{T}X+b

python代码：

db = 1/m*np.sum(dZ)

 

单次迭代梯度下降算法流程

Z = np.dot(w.T,X) + b
A = sigmoid(Z)
dZ = A-Y
dw = 1/m*np.dot(X,dZ.T)
db = 1/m*np.sum(dZ)

w = w - alpha*dw
b = b - alpha*db

 

8. python的notation

虽然在Python有广播的机制，但是在Python程序中，为了保证矩阵运算的正确性，可以使用reshape()函数来对矩阵设定所需要进行计算的维度，这是个好的习惯；

如果用下列语句来定义一个向量，则这条语句生成的a的维度为（5，），既不是行向量也不是列向量，称为秩（rank）为1的array，如果对a进行转置，则会得到a本身，这在计算中会给我们带来一些问题。

a = np.random.randn(5)

 

如果需要定义（5，1）或者（1，5）向量，要使用下面标准的语句：

a = np.random.randn(5,1)
b = np.random.randn(1,5)

 

可以使用assert语句对向量或数组的维度进行判断。assert会对内嵌语句进行判断，即判断a的维度是不是（5，1），如果不是，则程序在此处停止。使用assert语句也是一种很好的习惯，能够帮助我们及时检查、发现语句是否正确。

assert(a.shape == (5,1))

 

可以使用reshape函数对数组设定所需的维度

a.reshape((5,1))

 

8. logistic regression代价函数的解释

Cost function的由来

预测输出 \hat y 的表达式：

\hat y =\sigma(w^{T}x+b)

其中， \sigma(z)=\dfrac{1}{1+e^{-z}} 。

\hat y 可以看作预测输出为正类（+1）的概率：

\hat y = P(y=1|x)

当 y=1 时， P(y|x)=\hat y ；当 y=0 时， P(y|x)=1-\hat y 。

将两种情况整合到一个式子中，可得：

P(y|x)=\hat y^{y}(1-\hat y )^{(1-y)}

对上式进行log处理（这里是因为log函数是单调函数，不会改变原函数的单调性）：

\log P(y|x)=\log\left[\hat y^{y}(1-\hat y )^{(1-y)}\right]=y\log\hat y+(1-y)\log(1-\hat y)

概率 P(y|x) 越大越好，即判断正确的概率越大越好。这里对上式加上负号，则转化成了单个样本的Loss function，我们期望其值越小越好：

L(\hat y, y)=-(y\log\hat y+(1-y)\log(1-\hat y))

 

m个训练样本

假设样本之间是独立同分布的，我们总是希望训练样本判断正确的概率越大越好，则有：\max \prod\limits_{i=1}^{m} {P(y^{(i)}|x^{(i)})}

同样引入log函数，加负号，则可以得到Cost function：

J(w,b)=\dfrac{1}{m}\sum_{i=1}^{m}L(\hat y^{(i)}, y^{(i)})=-\dfrac{1}{m}\sum_{i=1}^{m}\left[y^{(i)}\log\hat y^{(i)}+(1-y^{(i)})\log(1-\hat y^{(i)})\right]

posted @ 2017-11-07 21:08  Stoooner  阅读(1135)  评论(1)  编辑  收藏  举报