【中英字幕】吴恩达深度学习课程第一课 — 神经网络与深度学习

房屋价格拟合函数看成一个简单的神经网络

RELU函数（修正线性单元）

修正指 取不小于0的值

输入面积，完成线性运算，取不小于0的值，最后输出预测价格。（单神经元网络）

大一点的神经网络，把这些单个神经元堆叠起来形成，

基于房屋面积和卧室数量，估算家庭人口，

基于邮编，评估学校质量

家庭人口，步行化程度以及学校质量（x）都能帮助预测房价（y）

在监督学习的环境下，只要尝试输入一个x即可把它映射为y。就像这个房价预测案例一样。

神经网络在非结构化数据上的成功，

媒体，

基于结构化数据的更好的广告系统，更好的获利建议，更好的能力去处理很多公司的海量数据库，并预测未来趋势

numpy向量说明

尽量把（5，）换成（5，1）

秩为1的数组

1x5的矩阵

向量外积

logistic回归中得到z后，直接计算a

单隐藏层网络

不算入输入层，计算神经层数时

计算那四个等式，看成一个向量化的过程，四个隐藏层中的logistical回归单元。前两个

输出层logistic回归由后两个算出

把整个训练样本都向量化

如何实现神经网络

箭头对应的节点用两个步骤来计算

首先计算出Z值，然后计算出a值

首先用x表示输入特征，还有参数w和b，计算出Z【1】，使用新的符号

上标方格来表示与这些节点相关的量，也就是‘层’

上标方括号2表示这个东西的相关量

使用上标方括号区分用来表示单个训练样本的圆括号

x（i）表示第i个训练样本