神经网络为什么需要加偏置项（bias）？

一、什么是 bias?

偏置单元（bias unit），在有些资料里也称为偏置项（bias term）或者截距项（intercept term），它其实就是函数的截距，与线性方程 y=wx+b 中的 b 的意义是一致的。
在 y=wx+b 中，b表示函数在y轴上的截距，控制着函数偏离原点的距离，其实在神经网络中的偏置单元也是类似的作用。
因此，神经网络的参数也可以表示为：(W, b)，其中 W 表示参数矩阵，b 表示偏置项或截距项。

二、bias 的作用

偏置的存在是为了更好地拟合数据

举个例子：
有点(2,3) 属于 A 类  点(3,4)属于 B 类，请问是否能从