课程来源：吴恩达 深度学习课程 《神经网络基础》
笔记整理：王小草
时间：2018年5月15日

1.什么是二分类

1.1 二分类?

给定一张图片，要识别出这张图片，“是猫”或“不是猫“的问题就是二分类问题。
输入以x表示，输出以y表示。

如何表示图片：计算机是如何计算图片的呢？
一张图片实际上由一堆像素构成，一堆像素可以由矩阵表示出来。如果你输入的是一张64*64像素的彩色图片，那么表示成三个64*64的矩阵（彩色图片有RGB三个通道，每个通道对应一个矩阵）

将这些像素亮度转换成一个向量形式的特征x。维度是64*64*3=12288的向量

讲特征向量输入模型，预测输出结果标签y是1还是0（比如1代表有猫，0代表无猫）

1.2 符号约定

定义一下接下去所有课程中都会统一用到的符号。

一个样本用(x,y)表示，x是nx维的实属向量，y是一个属于{0,1}集合内的整数

符号表示：
m个样本如下表示：

样本会分为训练集于测试集，训练集的数目用Mtrain表示，测试集的数目用Mtest表示。

矩阵表示：
用矩阵表示样本的特征x，每一列是一个样本特征，若有m个样本的话，每个样本有nx维的话，该矩阵就有nx * m大小

注：平时会每行放一个样本，但在神经网络中1列一个样本会更方便计算。

用矩阵表示样本的标签y，大小为1 * m的矩阵

2.logistic回归

对于二分类，输入特征向量x， 期望输出一个概率，根据这个概率去判断是输出1还是0.

那要选择什么样的函数或模型，去做二分类呢？若使用线性函数：
参数:
输出：
可见输出的y并非是一个0-1之间的概率，因此不能选用。

于是逻辑回归在线性函数的外面又加了一层sigmoid函数：

sigmoid函数长这样：

将线性函数的输出作为z,即sigmoid函数的输入。而sigmoid的输出是分布再[0,1]之间的值，符合概率取值。

sigmoid函数的公式：

如果z越大，则simoid输出越接近于1
如果z越小，则simoid输出越接近于0

3.logistic回归损失函数

要通过训练得到w,b两个参数的正确值，则需要损失函数。

回顾逻辑回归的函数：

给出一组样本{(x{1),y(1)),…,(x(m),y(m))},希望得到y^ ≈ y。 (y^是以上逻辑回归函数的预测值，y是真实值）。
也就是希望去得到参数w,b，使得逻辑回归函数的预测与真实值尽量一致。而y^与y不一致的部分就成为损失。

针对单个样本的损失函数：
可以如下用误差平方和定义损失函数，但是再逻辑回归中不采取，因为这不是一个凸函数，梯度下降发求解时会有多个局部最优解。

在逻辑回归中，我们使用交叉熵损失函数：

如何理解交叉熵损失函数呢？
当真实值y=1，则损失L(y^, y) = -logy^,要使损失越小，logy^希望越大，则y^需要越大，由于y^最大为1，则意味着越接近于真实值；
当真实值y=0，则损失L(y^, y) = -log（1-y^）,要使损失越小，log（1-y^）希望越大，则y^需要越小，由于y^最大为0，则意味着越接近于真实值；

针对多个样本的成本函数：
成本函数是将每个样本的损失函数加起来求均值：

在训练模型得到参数的过程中，我们追求的是使成本函数降到最小。

4.梯度下降法 Gradient descent

要获取成本函数最小的时候的参数w,b，可以通过梯度下降法求解。

目标：
J(w,b)是成本函数，横坐标是参数w,b，也就是求这个凸函数最低点时的w,b值。

梯度下降法的步骤：
（1）首先随机初始化w,b的值
（2）然后针对每个样本重复以下过程：
更新w：w = w - a (dJ(w,b) / dw)
更新b：b = b - a (dJ(w,b) / db)
a是学习率， dJ(w,b) / dw是成本函数对w求偏导，dJ(w,b) / db是成本函数对b求偏导。

为何以上过程就可以求取成本函数的最小值呢？
如下图，纵轴是成本函数，横轴是参数w

若当前w的取值在成本函数最低点对左侧，对w的导数为负，w = w - a (dJ(w,b) / dw)的运算后，新的w值会增加，即向右移动，更靠近最低点；
若当前w的取值在成本函数最低点对右侧，对w的导数为正，w = w - a (dJ(w,b) / dw)的运算后，新的w值会减少，即向左移动，更靠近最低点；
因此通过梯度下降法，参数会越来越接近成本函数最小值时的参数值。

5.导数基础知识

直线上的导数计算：
直线上所有位置导数相同

a = 2时：

a = 5时：

曲线上的导数计算：
曲线上不痛位置斜率不同

a = 2时：

a = 5时：

更多导数的例子：
平方：

三次方：

log：

6.计算图的导数计算

6.1 什么是计算图

神经网络可以用计算图表示，先前向计算，然后根据输出求损失与成本函数，再根据梯度反向传播。
先以一个小栗子来了解什么是计算图。

假设有一个函数J(a,b,c) = 3(a + bc),它的计算步骤应该是：
u = bc
v = a + u
J = 3v
将着3步画成计算图：

从左到右可以计算出函数J的值，若J是逻辑回归的成本函数，要求它最小值时的参数a,b,c,就可以用梯度下降法从右到左求梯度。

6.2计算图的导数计算

通过计算图求导数，其实就是求偏导的过程，因此课程中讲的细节不再这里赘述，对偏导若不懂，建议额外找资料来学习一下。

J(a,b,c) = 3(a + bc) 对a,b,c分别求偏导对结果如下：

7.logistic回归中的梯度下降法

回顾逻辑回归与单个样本的损失函数：

画出一个样本的计算图：

要使损失函数L(a,y)最小，通过对参数求偏导的梯度下降法，寻找最优的参数。
首先使L(a,y)对a进行求偏导

再向后一步计算，使L(a,y)对z求导

再向后一步，求L(a,y)对w1,w2,b的偏导
dw1 = x1*dz
dw2 = x2*dz
db = dz

有了偏导数之后，就可以进行梯度下降更新参数了：

8.m个样本的梯度下降法

上面介绍的是对单个样本的梯度下降法，现在把它应用到m个样本上。

首先回归cost function成本函数：

再回顾逻辑回归的计算公式：（i表示第i个样本）

对成本函数进行求导，其实就是对m个样本分别求参数梯度，然后将所有m个样本对梯度求均值，作为最终对梯度区更新参数。

梯度下降过程：
(1)初始化参数dw1=0,dw2=0, db=0
(2)对每个参数求梯度，并求的最终参数

(3)利用梯度更新参数

（4）利用新的参数，重新前向计算损失函数，并重复(2)(3)两步，知道到达终止条件（迭代次数到了，或者损失小于给定阀值，或者参数的更新量小雨某个阀值等）

以上步骤的缺点：
对1-m个样本分别进行1-n次迭代的for循环计算量是非常庞大的。解决办法就是将数据向量化，从而拜托for循环。

10.向量化vectorization

向量化的好处是消除你代码中的for循环。

对于以下计算

若有x有n个维度，则也有n个w，对每个样本进行如上计算时，使用for循环需要n次计算：

但若使用向量化，则只需要计算一次：（np.dot(w,x)是将w,x进行点乘

其他例子：

要从v转换成U，直接调用numpy中的exp()函数即可：

其他这样的函数还有求log,绝对值，最大值等等：

11.向量化logistict回归

当有m个样本的时候，我们需要去前向计算m次，对每个样本都计算z和a：

现在我们使用向量化的方法避免m次循环。
将样本特征x(i)向量化，定义一个矩阵X，每个向量的x是其一列，若每个x有n维特征，则改矩阵大小是(n*m)

Z的向量计算

python代码一句搞定：z = np.dot(wT, x) + b
其中b是一个常数，但是由于它和一个vector相乘，就会自动广播成1 * m的vector，称其为广播变量。

A的向量计算

之久调用sigmoid函数即可。

12.向量化logistic回归的梯度输出

上面讲的是逻辑回归前向计算得到a的向量化计算过程，现在讲一讲求梯度的向量化计算过程。

dZ是所有dz(i)组成的向量：

其中：

将所有a与y向量化：

于是dZ可以通过A，Y矩阵一次性求得：

db可以如下计算：

dw可以如下计算：

因此，如果不向量化计算，则代码如下：

每次迭代都需要进行m次for循环

但如果使用向量化计算则代码如下：

13.损失函数的解释

之前给出了逻辑回归得损失函数，现在来解释一下为什么逻辑回归的损失函数要用这种形式表达。

设y^是当y=1时得预测值：y^ = P(y=1/x)
if y=1: P(y/x) = y^
if y=0: P(y/x) = 1-y^

可见这是一个二项分布，用最大似然法求解二项分布：

因为上式是一个单调递增函数，因此可以转换成log形式

因为直观上希望损失越小越好，因此在上式基础上加上负号

推广到m个样本上：

变形以下得到：