本文介绍了神经网络的基础知识，包括人工神经网络的类型、激励函数和损失函数。重点讨论了深度神经网络模型在违约概率预测中的应用，涉及数据预处理、模型参数设置和效果评估。同时，文章探讨了神经网络模型的优缺点，并在文末回答了关于神经网络在评分卡模型中应用的问题。
（十四）深度神经网络模型用于评分卡模型（理论）
本篇文章主要讲解以下两个内容
- 神经网络的概述
- 深度神经网络模型用于违约概率预测（代码实现看下一篇博客）
神经网络的概述
什么是人工神经网络
神经网络算法的核心：计算的过程、连接的结构、评估的工作、纠错的反馈、疯狂培训（不断运行）
人工神经网络的类型
神经元的特征：并非简单的相加，有相应的输出函数
学习规则：使得模型输出与标签尽量一致，不断去调整偏置因子和权重
其中下面的Hopfield网络、波尔兹曼机、适应谐振理论是物理学科衍生出来的神经网络模型
截止目前其实已经达到上百种神经网络模型了
最简单的人工网络模型：单层感知机器
单层感知器只能处理线性可分的情况
最低0.47元/天 解锁文章
3207
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
