6、神经网络（一）

话不多说，先上一个简单的神经网络的图

信号从左到右传入到输出，分别是输入层，隐含层和输出层，其中隐含层的激活单元的表达式为
可以看出，跟之前的逻辑回归相似，只不过是一个图的形式连接起来的网络结构。我们需要将我们的特征集，也就是训练集传递给神经网络来训练一个模型。
用向量的方式来表示如下：


上面一个式子比较熟悉，其实就是逻辑回归，只不过其中的a代替了x，可以理解a就是x的进化体，是一种更高级的特征，从而也具有更好的预测性。这就是神经网络的优势。

下图是一个简单的神经元结构，它可以通过改变权值就能够实现简单的逻辑与、或、非。

当然，通过增加神经元的个数可以实现更复杂的逻辑运算。

用神经网络来实现多类分类是一个不错的选择。比如结果是四类，那么网络的输出可以是四种情况。