吴恩达深度学习第1课 2.1：二元分类

视频封面

视频元信息

课程来源：吴恩达（Andrew Ng）深度学习专项课程 · 神经网络与深度学习 · 第二周
本集标题：2.1 二元分类（Binary Classification）
视频时长：约 8 分 20 秒

内容摘要（TL;DR）

本集是第二周的开篇，介绍神经网络编程的基础。吴恩达以「图像是否为猫」的二元分类问题为例，讲解如何将一张 64×64 的彩色图像展开成一个 12288 维的特征向量 x，并系统性地定义后续课程通用的符号体系：单个样本 (x, y)、训练集大小 m、特征维度 n，以及将训练样本按列堆叠形成的矩阵 X（n×m）和标签向量 Y（1×m）。

一、本周课程导论 [00:00]

本节要点

本周主题：神经网络编程的基础（basics of neural network programming）。
实现神经网络时会涉及一些非常关键的技巧（influential techniques），这些技巧对后续实战至关重要。
本集先不直接讲神经网络，而是用逻辑回归（logistic regression） 作为引入工具，因为逻辑回归的思想简单，便于理解后续的向量化与传播机制。

详细说明

吴恩达开篇指出，本周会围绕三个核心思想展开，但本节只是「预告」，具体内容在后续视频中展开：

避免显式循环处理整个训练集
- 传统做法：用 for 循环遍历 m 个训练样本。
- 神经网络做法：不使用显式的全循环，而是通过向量化（vectorization）一次性处理整个训练集。
- 理解：这正是深度学习能高效处理大规模数据的关键——把循环交给底层高度优化的矩阵运算库（如 NumPy、BLAS），而不是 Python 层面的 for 循环。
前向传播与反向传播的分工
- 前向传播（forward pass / forward propagation）：从输入计算到输出。
- 反向传播（backward pass / backward propagation）：根据输出误差回传梯度、更新参数。
- 理解：这种「前向算结果、反向算梯度」的组织方式，是神经网络学习的计算骨架，后续所有网络结构都遵循这一范式。
用逻辑回归承载这些思想
- 即便你之前学过逻辑回归，本周仍会有新的、有趣的视角（例如向量化实现、计算图视角）。

考点提示：本节是整周的「地图」，后续视频（2.2 逻辑回归、2.3 逻辑回归损失函数、2.4 梯度下降、2.5~2.9 向量化与 Python 实现等）都是围绕上述三个思想展开。理解本节的框架，有助于把后面零散知识点串成一条线。

二、二元分类问题的设定 [01:26]

本节要点

逻辑回归是一种用于二元分类（binary classification）的算法。
典型例子：输入一张图片，判断它是不是猫。
- 是猫 → 标签 y = 1
- 不是猫（non-cat）→ 标签 y = 0
用 y 表示输出标签。

详细说明

二元分类问题的形式化描述：

输入：一张图像（或更一般地，一个样本）。
输出：一个离散标签，取值只有两种可能（0 或 1）。
目标：学习一个分类器，输入由特征向量 x 表示的图像，预测对应标签 y 是 1 还是 0。

思考：为什么用「猫/非猫」作为例子？因为它直观、二值明确，且图像数据天然是高维向量，非常适合演示后续的「展开成向量」「维度爆炸」等概念。

易错点：二元分类的标签约定为 y ∈ {0, 1}，而不是 {-1, +1}。这个约定贯穿整个课程，后续损失函数、激活函数（sigmoid 输出 0~1）都基于此。

三、图像在计算机中的表示与特征向量展开 [01:57]

本节要点

计算机存储一张彩色图像时，会保存三个独立的矩阵，分别对应 红（R）、绿（G）、蓝（B） 三个颜色通道。
若输入图像是 64×64 像素，则有三个 64×64 的矩阵，分别记录每个像素在 R、G、B 通道上的像素强度值（pixel intensity values）。
为便于讲解，视频中画的是更小的 5×4 矩阵示意（实际是 64×64×3）。

详细说明

如何把像素值变成特征向量 x？

做法：把所有像素强度值展开（unroll / flatten） 成一个长向量。
展开顺序示例：先列红色通道的所有像素值（如 255, 31, ...），再列绿色通道，最后列蓝色通道，一直列完为止。
结果：得到一个非常长的特征向量，包含图像中所有 R、G、B 像素强度值。

维度计算（重点）：

若图像为 64×64，则特征向量 x 的总维度为：

64 × 64 × 3 = 12288

因此用 n_x = 12288 表示输入特征 x 的维度。
有时为简洁，也直接用小写 n 表示输入特征向量的维度。

推导：64×64 = 4096 个像素位置，每个位置有 R、G、B 三个通道值，故 4096 × 3 = 12288。

易错点：维度是 64×64×3，而不是 64×64×64。视频中特别强调「这三个矩阵实际上是 5×4 的示意，而不是 64×64×64」，提醒不要把通道数 3 误写成 64。

【拓展】在真实工程中，图像通常以形状 (H, W, C) 或 (C, H, W) 存储（C 为通道数）。吴恩达课程采用「先 R 后 G 后 B」的展开顺序，这只是一种约定；只要训练和推理时保持一致，具体展开顺序不影响模型效果。

四、课程通用符号体系 [04:18]

本节要点

本节系统定义了贯穿整个课程的符号，是后续所有公式的基础，务必记牢。

符号	含义
(x, y)	单个训练样本，x 是 n_x 维特征向量，y ∈
m	训练样本的数量（training examples）
m_train	训练集样本数（强调时使用）
m_test	测试集样本数
n_x	输入特征向量的维度（也简写为 n）
(x⁽¹⁾, y⁽¹⁾), (x⁽²⁾, y⁽²⁾), ..., (x⁽ᵐ⁾, y⁽ᵐ⁾)	第 1 到第 m 个训练样本的输入与输出

详细说明

单个训练样本：用一对 (x, y) 表示，其中 x 是 n_x 维特征向量，y 是标签（0 或 1）。
训练集：由 m 个训练样本组成，写作 (x⁽¹⁾, y⁽¹⁾), (x⁽²⁾, y⁽²⁾), ..., (x⁽ᵐ⁾, y⁽ᵐ⁾)。
样本数记号：用小写 m 表示训练样本数；为强调是训练集，可写作 m_train；测试集样本数可写作 m_test。

易错点：上标 (i) 表示「第 i 个样本」，不是「i 次方」。这是深度学习文献中的通用约定，初学极易混淆。

思考：把样本数记作 m 而非 n，是因为 n 已被征用为「特征维度」。这种「m 表样本、n 表特征」的约定在机器学习中非常普遍。

五、矩阵 X 与 Y 的构造（列堆叠约定）[05:27]

本节要点

为更紧凑地表示训练集，定义矩阵大写 X：把每个训练样本的输入 x⁽¹⁾, x⁽²⁾, ..., x⁽ᵐ⁾ 按列堆叠。
- 第 1 列 = x⁽¹⁾，第 2 列 = x⁽²⁾，……，第 m 列 = x⁽ᵐ⁾。
- 因此 X 是 n_x × m 维矩阵。
同样地，为方便实现，标签 y 也按列堆叠。
- 定义大写 Y = [y⁽¹⁾, y⁽²⁾, ..., y⁽ᵐ⁾]。
- 因此 Y 是 1 × m 维矩阵。

详细说明

矩阵 X 的维度：

行数 = 特征维度 n_x
列数 = 训练样本数 m
即 X 是 n_x × m 维矩阵。

矩阵 Y 的维度：

只有 1 行，m 列。
即 Y 是 1 × m 维矩阵。

Python 记法（重要）：

X.shape 返回 (n_x, m)，表示 X 是 n_x × m 维矩阵。
Y.shape 返回 (1, m)，表示 Y 是 1 × m 维矩阵。

与其他课程的约定差异（重点提醒）：

在其他课程中，你可能会看到把训练样本按行堆叠的约定，即 X = [x⁽¹⁾ᵀ; x⁽²⁾ᵀ; ...; x⁽ᵐ⁾ᵀ]。
但在实现神经网络时，吴恩达采用「按列堆叠」的约定，因为它会让实现简单得多。

易错点（高频）：X 是 n_x × m（列 = 样本），Y 是 1 × m。千万不要记成「行 = 样本」。这个约定直接影响后续向量化计算中矩阵乘法的维度匹配，写错会导致 shape 报错或结果错误。

理解：为什么按列堆叠更好？因为在神经网络中，我们常用「权重矩阵 W 左乘输入」的形式（如 W·x）。当样本按列排列时，一次矩阵乘法 W·X 就能同时计算所有 m 个样本的输出，天然实现向量化——这正是本周后续要讲的核心技巧。

【拓展】这种「特征为行、样本为列」的约定，是吴恩达课程与部分经典教材（如《统计学习方法》中样本按行）的显著区别。实际写代码时，务必先确认数据布局，否则容易出现「转置 bug」——这也是深度学习面试中的常见考点。

六、符号速查与课程资源 [08:04]

本节要点

课程网站提供了一份符号速查表（notation guide），可随时查阅 m、n 等符号的含义。
本节结束后，下一视频将正式用这套符号推导逻辑回归。

详细说明

如果忘记某个符号（如 m、n 或其它）的含义，可到课程官网的 notation guide 快速查找。
本节是「打地基」的一集，重点不在算法本身，而在建立统一的符号语言。

思考：看似「只是定义符号」的一集，实际上是后续所有公式推导的前提。很多同学后面看梯度下降、损失函数时卡壳，根源往往就是这里的 m、n、X、Y 维度没记清。建议把本节表格抄一遍。

关键标签 / 关键词

吴恩达 #深度学习 #神经网络 #二元分类 #BinaryClassification #逻辑回归 #LogisticRegression #特征向量 #图像表示 #RGB通道 #符号体系 #矩阵X #向量化 #前向传播 #反向传播 #神经网络编程基础 #Notation #MachineLearning #DeepLearning