深度学习：二分分类和部分逻辑回归

1.神经网络就是根据你输入的x信息通过神经网络将他映射成y来输出

2.图像领域，经常使用卷积神经网络（CNN）

3.序列数据，音频，经常使用RNN（循环神经网络）

4.在二分类问题中，是要训练出一个分类器，以图像的特征向量x作为输入，

预测输出标签是Y,是或0

5.样本1通过(x^(1),y^(1))表示，样本m通过(x^(m),y^(m))，一个训练集通过

m个样本组成，m表示训练样本的个数，也可写成m_train,测试集，样本数可写

成m_test

6.通过大写字母X通过矩阵将训练集表示，将x^(1)放在第一列，将x^(2)放在第二列

，以此类推，样本m放在m列

7.X.shape()来输出矩阵的维度，即(nx,m),nx表示元素的数量

8.逻辑回归函数：y^ = 符号(w^Tx+b),值的范围在0-1之间

9.sigmoid光滑函数就是如此介于0-1之间，相交y轴为0.5

10.sigmoid为符号(z) = 1/1+e^(-z)

11.回归损失函数符号(y^,y) = - (ylogy^)+(1-y)log(i-y^)