这是我在学习coursera上课后，自己做的课后笔记，加强自己的理解，如果能对他人有用，那也是万分庆幸的
这里就不讲一些基础的概念了
第一课 Neural Networks and Deep Learning

逻辑回归在神经网络中的应用

如果有一些基础的同学应该知道SVM（支持向量机），这是做分类的一个算法。其中的方法也是逻辑回归，即分类问题。分类问题最简单的就是二元分类。二元分类如何放入神经网络呢，最简单的例如二层神经网络

X 是输入层，有几个，代表着有多少个特征值
第二层是隐藏层，第三层是输出层
我们定义是几层神经网络时是不计输入层的，所以上图是两层神经网络，你看到圆圈里的 Z|A 这代表一个神经元有两次计算，第一次是Z = WX + b，第二次是 A = g(Z), 这里g()是激励函数（activation function）。
（常见的激励函数有 Relu, tanh, sigmoid等）

由于这是一个二元问题所以一个输出层就足够了，（1，0）分两类