#“Machine Learning”（Andrew Ng）#Week 4_3：Examples and Intuition I

1、Examples and Intuition 1

在这个例子中，我只画出了两个正样本和两个负样本，你可以认为这是一个更复杂的学习问题的简化版本。在这个复杂问题中，我们可能在右上角有一堆正样本，在左下方有 一堆用圆圈表示的负样本，我们想要学习一种非线性的决策边界来区分正负样本。

Example：OR function

2、Examples and Intuition 2

一个神经网络具体是怎样计算一个复杂的非线性假设函数的？

一般的理解是，在输入层中，我们只有原始输入值，然后我们建立了一个隐藏层用来计算稍微复杂一些的输入量的函数。这些都是稍微复杂一些的函数，然后通过添加另一个层，我们得到了一个更复杂一点的函数。这就是关于神经网络可以计算较复杂函的某种直观解释。我们知道当层数很多的时候，你有一个相对简单的输入量的函数，作为第二层。而第三层可以建立在此基础上，来计算更加复杂一些的函数，然后再下一层又可以计算再复杂一些的函数。

3、用神经网络做多类别分类