emmmm,我是听着教程写的,还是写了一些通俗易懂一点的。有些公式也只能希望记住一下。
一、多层向前神经网络
神经网络:输入层,隐藏层,输出层
每层由单元组成,输入层由训练集的实例特征向量传入,经过连接点的权重传入下一层(一层中加权求和,再根据非线性方程转化输出),一层的输出是下一层的输入。
二、神经网络结构
1、特征向量在被传入输入层是一般先被标准化到0和1之间
2、设计神经网络时,没有明确的规则来说明最好要有多少个隐藏层。可以根据实验测试和误差,以及尊却独来实验并且改进。例如:交叉验证方法(k-fold cross validation:每次将其中一份作为测试集,其余k-1份作为训练集。最后求出准确度的平均值。)
3、离散型变量可以编码为每一个输入单元对应一个特征值可能赋的值
如:特征值A(衣服)可以取三个值(a1,a2,a3)(红