使用神经网络进行数字识别

相比于逻辑回归，神经网络模型可以完成更为复杂的分类，在非线性预测方面有着很重要的意义。按照我的理解，神经网络每相邻的两层即建立了一个逻辑回归模型，就像人体内的神经元那样，两个神经元能够传递的信息是有限的，但是随着神经元的增加，我们便看到了东西，听到了声音，学会了思考...因此，合适的选择神经网络模型，可以取得逻辑回归模型远远达不到的效果。

使用神经网络进行数字识别，建立的神经网络包含一个输入层，一个输出层和一个隐含层。分别使用python和matlab编程实现。数据来自吴恩达课程，代码已上传至github。