龙心尘

“机器学习”是一个很实践的过程。就像刚开始学游泳，你在只在岸上比划一堆规定动作还不如先跳到水里熟悉水性学习来得快。以我们学习“机器学习”的经验来看，很多高大上的概念刚开始不懂也没关系，先写个东西来跑跑，有个感觉了之后再学习那些概念和理论就快多了。如果别人已经做好了轮子，直接拿过来用则更快。因此，本文直接用Michael Nielsen先生的代码。

为了解释这个问题，我们呈现了神经网络在分类问题上优于逻辑回归的地方——它几乎可以实现任意复杂的分类边界，无误差地实现训练集上的分类。然而，这是有代价的：由于其强大的拟合能力，极容易产生过拟合。为了降低过拟合，我们介绍了一种降低过拟合的思路。在这个过程中，我们尽量解释神经网络每一步操作对应的现实意义和最终目的。可是，神经网络的可解释性往往是个非常大的难题。为此，我们采用了最易于理解的“交集”、“并集”神经网络。

作者：寒小阳 && 龙心尘 时间：2016年4月 出处： http://blog.youkuaiyun.com/han_xiaoyang/article/details/51253274 http://blog.youkuaiyun.com/longxinchen_ml/article/details/51253526 声明：版权所有，转载请联系作者并注明出处 特别鸣谢：北京大学焦剑博士对R...