吴恩达机器学习笔记——分类（二）

矢量

1. 说明：
   其实就是假设函数（预测函数）和梯度可以写成矩阵形式，这个在我随笔《卷积神经网络》的感知机那部分有写，可参考。

分类算法

1. 说明：
     如果用拟合的算法对分类的数据进行分类，实际效果不是很理想。所以需要分类的数据我们用分类的算法比较合适，Logistic回归算法（也叫sigmoid函数）就是一种分类算法。
2. 分类算法的预测函数：其中 \(\theta^{T} x\) 就是归回预测函数中的多项式
   \[h_{\theta}\left ( x \right )=\frac{1}{1+e^{-\theta^{T} x}} \]
     图像如下：图像横坐标是 \(\theta^{T} x\) ，不是 \(x\)
   
     因为横轴不再是\(x\)，所以数据不会像回归里面直接显示在坐标平面上，但是参数还是像之前一样要设置权重 \(\theta\)