机器学习基础 - [第五章：神经网络学习]（1）非线性假设函数

1、非线性假设函数

前面我们提到过，如果想要一个非线性假设函数，我们可以通过构造高阶多项式特征实现。但是，这种方法仅限于特征数量很少的情况下，当特征数量很大的时候，形成的高阶多项式特征就可能急剧增长。比如特征数量$n=100$的时候，可选择的二次特征就有$\frac{n\ast (n-1)}{2}$种，量级在$O(n^2)$，更别说更高次的特征了。


由此可见，想通过手动构造特征来形成非线性假设函数，难度非常大，而神经网络可以帮助我们解决这一问题，它可以自动学习到非常复杂的非线性假设函数。