第二周作业：二分类问题

通过训练一个数据集，来分析图片中是否有猫。

参考视频：https://space.bilibili.com/49109393/channel/detail?cid=36482&ctype=0
参考博客：https://blog.csdn.net/u013733326/article/details/79639509

1. 导入数据集
2. 遍历训练集和测试集的key，查看key的维度。图中list_classes是图片标签，train_set_x：保存的是训练集里面的图像数据（本训练集有209张64x64的图像）。train_set_y ：保存的是训练集的图像对应的分类值（【0 | 1】，0表示不是猫，1表示是猫）
3. 取出训练集和测试集，查看一张训练集的图片
4. 数据维度的处理，把矩阵都转化为我们需要的形式
5. 标准化数据
6. 回顾一下公式
7. 定义sigmoid函数、前向传播函数、代价函数以及梯度下降并初始化参数
8. 优化部分 alpha:学习速率,n_iters：迭代次数
9. 预测部分
10. 模型整合
11. 调用函数，每100次打印出来一次，打印训练集和测试集的预测成功率
12. 损失函数作图
13. 随机从训练集抽一个图片，看是否预测成功，没有预测成功，这个图确实很不好预测
14. 不同alpha值的比较
15. 随机预测新图片

可以看到预测失败了，原因我感觉主要有这几个方面：
1.尺寸变换后图片压缩的跟图片本身不像了。
2.简单的逻辑回归的预测效果不是很好，预测成功率有待提高。
3.训练集的数量太少。
4.预测方法不好，y>0.5即认为是猫。

后面会学到多层的神经网络，据说效果会有提升。