在现实中,分类的对象往往非常复杂,有上千个特征,这会使得逻辑回归的分类进行十分缓慢。且当逻辑回归进行多分类时,需要分类多次才可以完成。因此提出了新的算法,神经网络。
0x01 神经网络概念
神经网络即模仿大脑的学习模式提出的一种算法,通过模拟大脑的神经元,将分类问题分步进行,由简单到复杂的进行。以下是神经网络的模型。
其中,x1到x3分别为不同的特征值,中间的a1到a3为中间层,即对于x1到x3的进一步过滤,最后输出h(x)。
下面以计算 x1 XNOR x2为例介绍神经网络的工作过程。
0x02 神经网络举例
e.g. x1 XNOR x2 结构图如下所示
要计算x1 XNOR x2, 需要先计算x1 and x2,以及 (not x1)AND(not x2), 然后将结果采用或运算即可。
图中红色的部分是对x1 x2进行与运算,线上的数字称为权重,也就是线性回归中的theta参数。其计算过程如下