7、神经网络(Neural Networks)
7.1、非线性假设
参考视频: 8 - 1 - Non-linear Hypotheses (10 min).mkv
之前我们已经看到过,使用非线性的多项式项,能够帮助我们建立更好的分类模型。
但当特征数量过多时,普通的逻辑回归模型,不能有效地处理这么多的特征,即复杂的非线性问题,我们需要寻找其他的方法,这时候我们需要神经网络。
7.2、模型表示
7.3、简单神经网络模型示例
7.4、多分类问题神经网络模型
7.5、代价函数
参考视频: 9 - 1 - Cost Function (7 min).mkv
7.6、反向传播算法
参考视频: 9 - 2 - Backpropagation Algorithm (12 min).mkv
参考:神经网络BP反向传播算法原理和详细推导流程
https://blog.csdn.net/qq_32865355/article/details/80260212
7.7、梯度检验
参考视频: 9 - 5 - Gradient Checking (12 min).mkv
7.8、随机初始化
参考视频: 9 - 6 - Random Initialization (7 min).mkv
7.8、小结
本博客主要引用文章如下:
作者:黄海广
链接:斯坦福大学2014机器学习教程个人笔记(V5.4)
来源:PDF
作者:Z_y_forever
链接:https://blog.csdn.net/qq_32865355/article/details/80260212
来源:CSDN
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。