吳恩達機器學習筆記——非線性假設與神經網絡

是對應網易雲課程吳恩達機器學習第九章的筆記。 線性假設的弊端 當涉及的特徵變量較多時，線性假設表現出它的弊端。以邏輯迴歸爲例，特徵空間迅速膨脹，運算量過大、即使僅考慮2階式子也過於複雜（僅考慮二次項也是n*(n+1)/2個特徵）、同時容易過擬合。因此，我們引入神經網絡。 神經網絡相關術語 偏置單元或偏置神經元：輸入的向量 對應一組輸入節點，其中有時被稱爲偏置單元或偏置神經元，因爲它恆等於1故有時我

>>阅读原文<<