吴恩达机器学习之神经网络小节-正则化项

学习吴恩达的机器学习时，大家可能会对神经网络的正则化项不理解，在这里我阐述一下我自己的理解，如有错误，请大家批评指正
对于多分类任务中神经网络的代价函数：

这个大括号里面还好看一些，主要就是这个正则化项，这里大家可能被lecture8里面的权重函数定义给搞糊涂了。

这里只是说了权重矩阵的维度，它和正则化项是没太大关系的，看一下对于二分类的代价函数

权值theta是从1开始的，并不会对theta0进行压缩。同样对于神经网络也是，l表示神经网络的层数，这里到L-1是因为在L层的网络中相邻两层的权重矩阵有L-1个，sl和s(l+1)分别表示第l层、l+1层神经元个数，而i和j都是从1开始的，说明不会压缩偏置项，这样一看就是在l层的一个神经元到l+1层的每一个神经元都输出平方了一遍，然后第二个神经元再走一遍，直到全部走完。