机器学习-反向传播

机器学习-反向传播简单易懂的解释 直观理解： 数学层面讲，反向传播就是链式求导法则 程序实现讲，反向传播就是通过动态规划实现

思想：
根据网络输出的答案和正确答案之间的误差，不断调整网络的参数。
假设训练一个分类网络，输入一个目标逐层向前计算后，得到该物体属于每一类的一个可能性的概率，每个神经网络的初始参数是随机赋予的，然后我们根据网络输出与正确答案之间差距，由后向前调整网络的参数。不断地输入和进行调整。

注意：
BP算法在训练数据上表现得很好，但是在新数据上却不行。因此一般将数据集划分为训练集和验证集。