吴恩达机器学习笔记 —— 9 神经网络学习

本章讲述了神经网络的起源与神经元模型，并且描述了前馈型神经网络的构造。

更多内容参考 机器学习&深度学习

在传统的线性回归或者逻辑回归中，如果特征很多，想要手动组合很多有效的特征是不现实的；而且处理这么大的特征数据量，计算上也很复杂。

神经网络最开始起源于生物信息中的大脑，在上世纪80-90年代的时候很火，后来就没什么消息了。在神经网络中，充满了下面的这种神经元，信号从树突中传进来，经过细胞核，然后沿着轴突传送出去。神经元彼此连接，就形成了神经网络。

下面是一个神经元的表示，增加一个x0固定为1，他的参数就是bias偏置项。激活函数有很多种，最常用的是sigmoid函数。

下面是一个多层的神经网络，第一层是输入层，第二层是隐含层，最后一层是输出层。

所以最终的hθ的值是从前面每一个输入和参数确定的

基于神经元系统可以表示AND等问题

多分类问题其实就是针对神经网络最后一层有多个输出