DevDino 🦖

1. 背景回顾：单个样本的前向传播

　　在上一节课中，我们学习了如何对单个训练样本 $x^{(i)}$ 进行前向传播，计算一个含一个隐藏层的神经网络的输出 $\hat{y}^{(i)} = a^{2}$。其计算步骤如下：

1. 神经网络结构回顾

• 考虑一个 具有一个隐藏层 的神经网络：

  • 输入层：3 个特征 → $\mathbf{x} = [x_1, x_2, x_3]^\top \in \mathbb{R}^3$
  • 隐藏层：4 个神经元（节点）
  • 输出层：1 个神经元（用于二分类，输出 $\hat{y}$）

一、神经网络结构概述

　　本节讲解的是一个具有单个隐藏层的前馈神经网络（Feedforward Neural Network）。其结构如下：

1. 回顾：逻辑回归（Logistic Regression）

　　在上一周的学习中，我们学习了逻辑回归模型，其计算流程如下：

1. 逻辑回归的基本形式

　　在逻辑回归中，我们对输入特征向量 $\mathbf{x} \in \mathbb{R}^n$ 做如下预测：