吴恩达《机器学习》神经网络笔记
距离上回博客已经过了好久，每天一篇还是算了，这样好像有点半途而废的感觉啊。那也管不了这么多了，主要每回想到今天又要写博客，这个人都不舒服了，严重影响学习生活，实在不爽。
- 神经网络的优点
- 神经网络模型
- 对模型的理解
- 模型用于多分类
神经网络的优点
对比多项式回归，神经网络的特征数将少的多。在多项式回归中，对于n个特征的样本，degree=2时，就达到了O(n^2)，而degree=3时，特征数达到了O(n ^3)。而对于神经网络来说，实现非线性分类就只取决于神经网络的层数和神经元的个数了，当然这对算力的要求还是很高的。
神经网络模型
对模型的理解
每个神经元就是一个逻辑回归单元，在这里，我们称为**函数。直观理解，就是通过调整θ*x的权值，使sigmoid函数要么取1要么取0，实现**与否，进而实现复杂的逻辑判断。
我们可以类比计算机中的数字电路，也是通过一个个MOS管实现与非门，而几十亿个与非门实现了CPU的复杂功能。
多分类
神经网络中的多分类是一种OvA的模式，也就是一对多。在输出中，只能有一个为1，这样就实现了多分类的功能。