标签：
有了前面的准备，可以用Theano实现一个逻辑回归程序，逻辑回归是典型的有监督学习。
为了形象，这里我们假设分类任务是区分人与狗的照片。
首先是生成随机数对象
数据初始化
有400张照片，这些照片不是人的就是狗的。
每张照片是28*28=784的维度。
D[0]是训练集，是个400*784的矩阵，每一行都是一张照片。
D[1]是每张照片对应的标签，用来记录这张照片是人还是狗。
training_steps是迭代上限。
x是输入的训练集，是个矩阵，把D[0]赋值给它。
y是标签，是个列向量，400个样本所以有400维。把D[1]赋给它。
w是权重列向量，维数为图像的尺寸784维。
b是偏倚项向量，初始值都是0，这里没写成向量是因为之后要广播形式。
这里是函数的主干部分，涉及到3个公式
1.判定函数
2.代价函数
3.总目标函数
第二项是权重衰减项，减小权重的幅度，用来防止过拟合的。
构造预测和训练函数。
这里算过之后发现，经过10000次训练，预测结果与标签已经完全相同了。
标签：
原文地址：http://www.cnblogs.com/anyview/p/5014642.html
