本节目录:
1.非线性假设
2. 神经元和大脑
3. 模型表示
4. 特征的直观理解
5. 样本的直观理解
6. 多类分类

1 非线性假设
假设我们希望训练一个模型来识别视觉对象(例如识别一张图片上是否是一辆汽车),
我们怎样才能这么做呢?一种方法是我们利用很多汽车的图片和很多非汽车的图片,然后利
用这些图片上一个个像素的值(饱和度或亮度)来作为特征。
假如我们只选用灰度图片,每个像素则只有一个值(而非 RGB 值),我们可以选取图
片上的两个不同位置上的两个像素,然后训练一个逻辑回归算法利用这两个像素的值来判断
图片上是否是汽车:

假使我们采用的都是 50x50 像素的小图片,并且我们将所有的像素视为特征,则会有
2500 个特征,如果我们要进一步将两两特征组合构成一个多项式模型,则会有约25002/2个
(接近 3 百万个)特征。普通的逻辑回归模型,不能有效地处理这么多的特征,这时候我们
需要神经网络
2 神经元和大脑
神经网络 最初产生的目的是制造能模拟大脑的机器。

3 模型表示

神经网络模型建立在很多神经元之上,每一个神经元又是一个个学习模型。这些神经元
(也叫激活单元,activation unit)采纳一些特征作为输出,并且根据本身的模型提供一个输
出。下图是一个以逻辑回归模型作为自身学习模型的神经元示例,在神经网络中,参数又可
被成为权重(weight)。

神经网络模型是许多逻辑单元按照不同层级组织起来的网络,每一层的输出变量都是下
一层的输入变量。下图为一个 3 层的神经网络,第一层成为输入层(Input Layer),最后一
层称为输出层(Output Layer),中间一层成为隐藏层(Hidden Layers)。我们为每一层都增
加一个偏差单位(bias unit):


我们需要将整个训练集都喂给神经网路算法来学习模型。
从左到右算法称为前向传播算法。

吴恩达机器学习笔记五之神经网络相关推荐

  1. 吴恩达机器学习笔记week8——神经网络 Neutral network

    吴恩达机器学习笔记week8--神经网络 Neutral network 8-1.非线性假设 Non-linear hypotheses 8-2.神经元与大脑 Neurons and the brai ...

  2. 【Nan‘s 吴恩达机器学习笔记】第八、九章 神经网络

    [Nan's 吴恩达机器学习笔记]第八.九章 神经网络 神经网络(Neural Networks) 8.1 非线性假设 8.2 模型表示 前向传播算法(Forward Propagation) 8.3 ...

  3. 吴恩达机器学习笔记整理(Week6-Week11)

    1. Week 6 1.1 应用机器学习的建议(Advice for Applying Machine Learning) 1.1.1 决定下一步做什么 到目前为止,我们已经介绍了许多不同的学习算法, ...

  4. 【经典】吴恩达——机器学习笔记001

    [经典]吴恩达--机器学习笔记001 机器学习(Machine Learning)笔记001 学习地址:[中英字幕]吴恩达机器学习系列课程 文字版参考及PPT来源:Coursera-ML-Andrew ...

  5. 吴恩达机器学习笔记整理(Week1-Week5)

    吴恩达机器学习笔记整理 1. Week1 1.1 什么是机器学习(What is Machine Learning) 1.2机器学习算法分类 1.3 单变量线性回归(Linear Regression ...

  6. 吴恩达机器学习笔记55-异常检测算法的特征选择(Choosing What Features to Use of Anomaly Detection)

    吴恩达机器学习笔记55-异常检测算法的特征选择(Choosing What Features to Use of Anomaly Detection) 对于异常检测算法,使用特征是至关重要的,下面谈谈 ...

  7. 吴恩达机器学习笔记:(四)矩阵、多元梯度下降

    吴恩达机器学习笔记 矩阵基础知识 矩阵逆运算 矩阵的转置 实践乘法 多元梯度下降 特征缩放 学习率α 矩阵基础知识 矩阵逆运算 矩阵的转置 实践乘法 多元梯度下降 特征缩放 学习率α 学习率的选择:

  8. 吴恩达机器学习笔记:(一)机器学习方法简介

    吴恩达机器学习笔记 Supervised Learning(监督学习) Unsupervised Learning(无监督学习) clustering 聚类算法 market segments 市场细 ...

  9. 吴恩达机器学习笔记第一周

    第一周 吴恩达机器学习笔记第一周 一. 引言(Introduction) 1.1 欢迎 1.2 机器学习是什么? 1.3 监督学习 1.4 无监督学习 二.单变量线性回归(Linear Regress ...

最新文章

  1. java+js上传图片_java+ jsp+js 实现富文本编辑和上传图片功能
  2. 全民直播CTO张云龙:已全面迁移至阿里云
  3. PHP和Node.js开发之间有什么区别
  4. Linux网络编程——I/O复用之select详解
  5. [MySQL] MySQL x64 下载地址
  6. Spring 5的最终功能发行版即将来临
  7. Flutter抖动动画、颤抖动画、Flutter文字抖动效果
  8. 在scrapy上使用cookie模拟登录
  9. jsp基础速成精华讲解
  10. 解释型语言与编译型语言区别
  11. python分析数据走势_python数据分析应用 - 近5年八类资产价格走势分析
  12. ASP.NET Core 新建项目(Windows) - ASP.NET Core 基础教程 - 简单教程,简单编程
  13. 6- vue django restful framework 打造生鲜超市 -完成商品列表页(下)
  14. WPS Office 去广告绿色版(2013.11.13更新)
  15. 金蝶k3单据编码规则_金蝶K3各单据操作步骤
  16. view函数--python
  17. 20190118 阿耐---《艰难的制造》
  18. vue项目的导出功能
  19. Mac OS X 下 su 命令提示 sorry 的解决方法
  20. 爬虫、知识图谱和开源情报分析01

热门文章

  1. CCF大专委2019年大数据发展趋势预测
  2. 【2017年第1期】智慧城市多源异构大数据处理框架
  3. 作者:张国惠(1978-),男,美国新墨西哥大学土木工程系助理教授、博士生导师。...
  4. 比较决策的收益(洛谷P2705题题解,Java语言描述)
  5. 【数据结构与算法】顺序表V2.0的Java实现
  6. 51Nod 1079 中国剩余定理 Label:数论
  7. mysql经典主从复制
  8. 请教DELPHI有没有GIS控件啊!在线等
  9. Caused by: javax.xml.stream.FactoryConfigurationError: Provider com.ctc.wstx.stax.WstxInputFactory n
  10. 【转载】为了我们的SZ4J代码