首页 > 代码库 > Machine Learning:Neural Network---Representation
Machine Learning:Neural Network---Representation
Machine Learning:Neural Network---Representation
1,Non-Linear Classification
如果还采取简单的线性分类手段,那么会面临着过拟合以及效率低下的问题(如图所示),然而neural network则可以很好的解决非线性分类问题。
2,Model representation
第一层称为input layer,最后一层称为output layer,中间其余各层称为hidden layer。
注意一下权重参数theta的维数问题。
3,Forward propagation
4,神经网络Example
神经网络建模的难点在于神经结构的选择以及权重参数theta的选择,一个好的神经网络是需要很精细的设计的。
5,Multi-class classification
当将神经网络运用于Multi-class classification问题时,其输出h(theta)不再是一个数值而是一个向量,并且其值为1的元素对应着合适的分类。
----------------------------------------------------------------------------------------------------------------
本内容摘自斯坦福大学Andrew Ng老师《机器学习》课件
Machine Learning:Neural Network---Representation
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。