对于许多机器学习问题,特征个数很大。回归算法不适合学习复杂的非线性假设。如,处理50*50的图片,若为灰度图则有2500个特征,若为彩图则有7500个特征
对于此类问题,应采用神经网络算法。

x0称作“偏置单元”或“偏置神经元”,其值固定为1。可省略不画

第一层是输入层,最后一层是输出层,中间是隐藏层
一些符号
比如,
表示第一层到第二层第一个节点之间映射过程
权重矩阵的维度
一般地,若一个神经网络在第j层有个单元,在第j+1层有
个单元,则控制第j层到第j+1层映射的权重矩阵维度为
以上图为例,是3*4的矩阵
网友评论