首页 > 代码库 > Machine Learning:Neural Network---Representation

Machine Learning:Neural Network---Representation

Machine Learning:Neural Network---Representation


1。Non-Linear Classification

        假设还採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(如图所看到的),然而neural network则能够非常好的解决非线性分类问题。

技术分享


2,Model representation

技术分享

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。

技术分享

技术分享


注意一下权重參数theta的维数问题。


3。Forward propagation技术分享

技术分享


技术分享



4。神经网络Example

技术分享

技术分享

技术分享

技术分享

技术分享

神经网络建模的难点在于神经结构的选择以及权重參数theta的选择,一个好的神经网络是须要非常精细的设计的。


5,Multi-class classification

 技术分享

技术分享

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,而且其值为1的元素相应着合适的分类。


                                 ----------------------------------------------------------------------------------------------------------------

                                            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