Machine Learning：Neural Network---Representation

標籤：class   效率   而且   linear   log   lin   space   center   mode   

Machine Learning：Neural Network---Representation

1。Non-Linear Classification

        假設還採取簡單的線性分類手段。那麼會面臨著過擬合以及效率低下的問題(所看到的)，然而neural network則能夠非常好的解決非線性分類問題。

2，Model representation

第一層稱為input layer，最後一層稱為output layer，中間其餘各層稱為hidden layer。

注意一下權重參數theta的維數問題。

3。Forward propagation

4。神經網路Example

神經網路建模的痛點在於神經結構的選擇以及權重參數theta的選擇，一個好的神經網路是須要非常精細的設計的。

5，Multi-class classification

 

當將神經網路運用於Multi-class classification問題時。其輸出h(theta)不再是一個數值而是一個向量，而且其值為1的元素相應著合適的分類。

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

                                            本內容摘自斯坦福大學Andrew Ng老師《機器學習》課件

Machine Learning：Neural Network---Representation