非線性假設（non-linear hypotheses）
在之前的分類問題中，我們可以使用多項式幫助我們建立更好的的分類器（假設函式）。但資料集中存在超過100個特徵變數，我們又希望使用這100個特徵變數來構建多項式來建立分類器。此時，若我們只考慮特徵變數兩兩組合的情形，其就有大約5000個項，個數以o(n2)的級別增長，數學表示式為n2/2。
倘若我們仍以多項式來構建分類器，其效果是遠遠不理想的。
再例如我們希望構建乙個模型用來識別視覺物件（如識別一張圖中的汽車）。我們可以利用許多張汽車的和不是汽車的中乙個個畫素的值（飽和度或亮度）來作為特徵變數。
現假設我們只選用灰度，則每乙個畫素只有乙個值，進而我們可以選取圖中的兩個不同位置上的兩個畫素作為特徵變數，通過使用邏輯回歸演算法來構建分類器。
如果我們採用的都是50*50畫素的都每個畫素都作為特徵變數的話，則一共有2500個特徵變數，為了更好地擬合資料集，我們又將特徵變數兩兩組合，構建乙個多項式的分類器，但此時又近3百萬個項，繼續使用邏輯回歸演算法，不用多說其效果肯定不盡人意。
對此，為了解決上述問題，我們將引入神經網路這一概念。
神經網路
神經網路演算法主要來自對大腦的模仿，其目的是發現乙個類似於人類大腦學習能力的演算法。
神經網路（一）
神經網路 想讓計算機模擬大腦處理資訊的過程。如 有一杯水，手摸一下，收集溫度資訊，在神經元中進行傳遞，心中有乙個預設值，看是否溫度太高，還是太低。感知機 人工神經網路 神經網路的發展 傑弗里 埃弗里斯特 辛頓。英語 geoffrey everest hinton 是一位英國出生的計算機學家和心理學家...
神經網路 一
神經元是神經網路的基本組成。神經網路的神經元，是模仿生物的神經元結構。影象如下 為了形象理解，可以將上圖簡化如下 在這個神經元中，input的feature 可以有很多維度,output也可以有很多的 layer。感知機 1 感知機是網路神經的基礎，感知機也被稱為單層神經網路 即，單個神經元也稱作感...
神經網路 卷積神經網路
這篇卷積神經網路是前面介紹的多層神經網路的進一步深入，它將深度學習的思想引入到了神經網路當中，通過卷積運算來由淺入深的提取影象的不同層次的特徵，而利用神經網路的訓練過程讓整個網路自動調節卷積核的引數，從而無監督的產生了最適合的分類特徵。這個概括可能有點抽象，我盡量在下面描述細緻一些，但如果要更深入了...