吴恩达机器学习笔记五之神经网络
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。
把
吴恩达机器学习笔记五之神经网络相关推荐
- 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 ...
- 【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 ...
- 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, ...
- 【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 ...
- 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 ...
- 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 ...
- 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:
- 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 ...
- 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
- java+js上传图片_java+ jsp+js 实现富文本编辑和上传图片功能
- 全民直播CTO张云龙:已全面迁移至阿里云
- PHP和Node.js开发之间有什么区别
- Linux网络编程——I/O复用之select详解
- [MySQL] MySQL x64 下载地址
- Spring 5的最终功能发行版即将来临
- Flutter抖动动画、颤抖动画、Flutter文字抖动效果
- 在scrapy上使用cookie模拟登录
- jsp基础速成精华讲解
- 解释型语言与编译型语言区别
- 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
- ASP.NET Core 新建项目(Windows) - ASP.NET Core 基础教程 - 简单教程,简单编程
- 6- vue django restful framework 打造生鲜超市 -完成商品列表页(下)
- WPS Office 去广告绿色版(2013.11.13更新)
- 金蝶k3单据编码规则_金蝶K3各单据操作步骤
- view函数--python
- 20190118 阿耐---《艰难的制造》
- vue项目的导出功能
- Mac OS X 下 su 命令提示 sorry 的解决方法
- 爬虫、知识图谱和开源情报分析01
热门文章
- CCF大专委2019年大数据发展趋势预测
- 【2017年第1期】智慧城市多源异构大数据处理框架
- 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。...
- 比较决策的收益(洛谷P2705题题解,Java语言描述)
- 【数据结构与算法】顺序表V2.0的Java实现
- 51Nod 1079 中国剩余定理 Label:数论
- mysql经典主从复制
- 请教DELPHI有没有GIS控件啊!在线等
- Caused by: javax.xml.stream.FactoryConfigurationError: Provider com.ctc.wstx.stax.WstxInputFactory n
- 【转载】为了我们的SZ4J代码