本文介绍了神经网络中的分类任务，包括二类分类与K类分类的概念。详细解释了神经网络的结构参数，如层数L、每层单元数及输出分类数K等。此外，还对比了逻辑回归与神经网络在输出变量上的区别，并给出了两者代价函数的不同。
神经网络分类：
二类分类：
,y=0或y=1表示哪一类
K类分类：
，yi=1表示分到第i类（k > 2）
表示定义：
L：神经网络层数，包括输入层、隐藏层、输出层
：l层的单元数
K：神经网络的输出分类数（亦是输出层的单元数）
逻辑回归中，代价函数为：
神经网络
在逻辑回归中，我们只有一个输出变量，又称标量，也只有一个因变量y,但是在神经网络中，我们可以有很多输出变量，我们h(x)是一个维度为K的向量，并且我们训练集中的因变量也是同样维度的一个向量，因此我们的代价函数会比逻辑回归更加复杂一些，为：
扫一扫
3167
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
