Machine Learning：Neural Network---Representation

Machine Learning：Neural Network---Representation

1。Non-Linear Classification

        假设还採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(如图所看到的)，然而neural network则能够非常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。

注意一下权重參数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參数theta的选择，一个好的神经网络是须要非常精细的设计的。

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，而且其值为1的元素相应着合适的分类。

                                 ----------------------------------------------------------------------------------------------------------------

                                            本内容摘自斯坦福大学Andrew Ng老师《机器学习》课件