第9章 神经网络学习
1,非线性假设
对于非线性假设,特征数目特别多时,采用logisitic进行分类,容易过拟合,而且计算成本过高。所以要采用神经网络。
2,神经元和大脑
3,模型展示I
bias unit 偏置单元
weights parameters二者同义词
4,模型展示II
前向传播模型,向量化。
后部分其实就是Logistic回归。
输入层也可以是非线性特征。
其他的前向传播架构
5,例子与直觉理解
神经网络中的某个神经元是如何进行逻辑运算的。
6,例子与直觉理解
神经网络是怎样计算复杂的非线性假设模型的。
7,多元分类