此篇为coursera上机器学习公开课笔记

一、适用范围

非线性分类问题（特征变量较多，如果用逻辑回归或者线性回归多项式中项数过多）

二、模型：

神经元：

神经元模型

hθ(x)=g(θTx)=11+e−θTx，我们称这是一个以S型函数作为激励函数的人工神经元
每个神经元都是一个学习模型，它采纳一些特征作为输入，并产生一个输出，θ在神经网络中也叫做权重

神经网络：

神经网络模型

参数：

三、前向传播

映射关系：

所以θ的行数等于第j+1层的神经元个数，列数等于第j层神经元数+1
向量化：

四、解决非线性问题

1.and or not

image.png

2.xor:先将and和not进行组合 即(notx1)and(notx2)构成第二层，再进行一次or得到第三层

image.png

3.多类分类：
识别行人、汽车、卡车、摩托车

image.png