吴恩达机器学习笔记（8）——前馈神经网络

1. Non-linear Hypotheses

运用逻辑回归来处理多特征的问题时，会发现其表达式非常复杂，多项式的项数随着特征个数的平方次增长，这就很难进行计算与拟合了。所以需要一种非线性假设，神经网络就提供了这样一种解决方案。

 

2. Neural Networks

神经网络在每一层对每一个输入节点都乘以一个参数θ（或者说权重），然后加上这一层的偏置，并经过sigmoid函数的处理来得到下一层的一个节点，循环来得到下一层的每一个节点的值，这种计算式也可以写成矩阵的形式。 

 矩阵形式的推导如下图：

 

3. Multiclass Classification

多元分类的输出结果不止一个，最终的输出结果也可以用一个列向量来表示，具体可见练习ex3。