Machine Learning：Neural Network---Representation
Machine Learning：Neural Network---Representation
1，Non-Linear Classification
如果还采取简单的线性分类手段，那么会面临着过拟合以及效率低下的问题(如图所示)，然而neural network则可以很好的解决非线性分类问题。
2，Model representation
第一层称为input layer，最后一层称为output layer，中间其余各层称为hidden layer。
注意一下权重参数theta的维数问题。
3，Forward propagation
4，神经网络Example
神经网络建模的难点在于神经结构的选择以及权重参数theta的选择，一个好的神经网络是需要很精细的设计的。
5，Multi-class classification
当将神经网络运用于Multi-class classification问题时，其输出h(theta)不再是一个数值而是一个向量，并且其值为1的元素对应着合适的分类。
----------------------------------------------------------------------------------------------------------------
本内容摘自斯坦福大学Andrew Ng老师《机器学习》课件
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
