当我们使用神经网络来训练一个样本m，我们一般不用for循环。在下文，我们将会解释神经网络如何训练一个样本集。今天主要讲的是正向传播和反向传播，用二项分类为一个例子。
在机器学习中，我们一般把训练数据的input称为x，label称为y
如下图所示，X 是所有样本的input的集合。每一列都代表了一个样本的x。Y代表了所有样本的y的集合。也有其他的课程会说X的每一行是一个x，但是实际证明用每一列代表一个x更有效率。
图片发自简书App
二项分类法
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
推荐阅读更多精彩内容
- 101.深度学习（CNN RNN Attention）解决大规模文本分类问题。 用深度学习（CNN RNN Att...
