Machine Learning - week 4 - Non-linear Hypotheses
为什么计算机图像识别很难呢？因为我们看到的是汽车，而计算机看到的是表示颜色的 RGB 数值。计算机需要根据这些数值来判断。
如果图片是 50 * 50 像素，那么一共有 2500 个像素点。如果是 Quadratic features，那么是 xi, xj 的组合有 2500 + 2499 + ... + 1 约为 300 百万个。
Neurons and the Brain
大脑可以学习很多种算法，但是程序是固定的（出生到死亡都没有人修改你的大脑程序）。通过计算机模仿大脑的这种学习，这样，就不需要编写很多算法了，只需要编写少量的几种，然后让它们去学习就可以了。
Neural Networks
sj+1 = θj * sj
当前层 = θ * 前一层
这个计算 hθ(x) 的过程，也称为向前传播。我们从输入的激励层开始，然后向前传播给隐藏层并计算隐藏层的激励，然后继续向前传播直到计算出输出层的激励。
通过隐藏层计算，就能够得到更加复杂的训练数据，且复杂程度是加强的。
将 
，那么 
，也就可以用向量计算了。
Applications
通过神经网络实现 AND 函数
针对训练集实现的效果是一样的，并且能够进行预测。
实现非线性函数
将三个组合成一个
组合后各层的计算方式
多类别分类
同样使用 one-vs-all 的方式。
对于一组 features（ X(j:) ），预测出一组（features 个数个）值，取最大值表示最有可能的预测结果。
求 costFunction 的时候，使用 y == 类别，除了目标类别，其他类别都是 0。
