代码有参考吴恩达老师的源代码，神经网络的图片为转载，图片来源见水印 以下文件的【下载地址】，提取码：dv8a 所有文件存放位置C:.│ dnn_utils.py│ building deep neural network：step by step.py│ lr_utils.py│ testCases.py│├─datasetstest_catvnoncat.h5te

吴恩达Deep Learning编程作业 Course1-神经网络和深度学习-第三周作业 Planar data classification with one hidden layer具有一个隐藏层的平面数据分类 编程目的： 使用带有非线性激活函数，比如tanh函数，实现一个具有单隐藏层的二分类神经网络。计算交叉熵代价。实现前向传播和反向传播。 1.需要使用的包 1.numpy：是Py

Course1-Week3-分类问题 文章目录 Course1-Week3-分类问题1. 逻辑回归1.1 线性回归不适用于分类问题1.2 逻辑回归模型1.3 决策边界 2. 逻辑回归的代价函数3. 实现梯度下降4. 过拟合与正则化4.1 线性回归和逻辑回归中的过拟合4.2 解决过拟合的三种方法4.3 正则化4.4 用于线性回归的正则方法4.5 用于逻辑回归的正则方法 笔记主

Course1-Week1：机器学习简介 文章目录 Course1-Week1：机器学习简介1. 课程简介1.1 课程大纲1.2 Optional Lab的使用 (Jupyter Notebooks)1.3 欢迎参加《机器学习》课程 2. 机器学习简介2.1 机器学习定义2.2 有监督学习2.3 无监督学习 3. 线性回归模型3.1 线性回归模型3.2 代价函数 4. 梯度下降法4.1 梯

Week 2 Basics of Neural Network Programming 2.1 binary classification m m m training example: (x(1),y(1)),⋯,(x(m),y(m))(x(1),y(1)),⋯,(x(m),y(m))(x^{(1)}, y^{(1)}), \cdots, (x^{(m)}, y^{(m)})