CS229 6.1 Neurons Networks Representation
2024-10-16 03:25:25
面对复杂的非线性可分的样本是,使用浅层分类器如Logistic等需要对样本进行复杂的映射,使得样本在映射后的空间是线性可分的,但在原始空间,分类边界可能是复杂的曲线。比如下图的样本只是在2维情形下的示例,假设有100维度,即特征数目是100,若使用logistic来做分类,对于这种线性不可分的情形,要对特征进行各种形式的组合映射,然后用映射后扩充的特征进行分类,可能会增加大量的参数,计算复杂性可想而知,而且可能会造成严重的over-fitting,可见logistic分类的局限性,下面引入NN。
如下是一个单层网络的示意图,类似于感知机分类器,下图有三个feature,有一个bias unit,其值始终为1,对应的参数为ϴ0 ϴ1 ϴ2 ϴ3,最后其线性组合做一个sigmod映射来得到最终的结果
下图为含有隐藏层的Neurons Networds,ai(j)中的j表示层数,i表示第 i 个unit,ϴ(j)示层j到j+1的参数矩阵ϴij表示前一层的单元j到本层单元i的参数,本示例中ϴ(1)为3*4的矩阵
更简洁的表示方法,把上一层的输入表示为z(i), 下图中的z(2) 分别表示上一层的activation,这三个值乘以对应的参数,然后做一个sigmod映射之后又可以当下一层的输入,最终我们的Hϴ(x)=g(ϴ(2)*a(2)),可见最后我们不是对初始特征x1 x2 x3做的运算,这可以理解为 Neurons Networks会自动组合特征,从而达到更好的效果。
最后只得注意的是,对于非线性可分的情况,NN也可以进行分类,比如XOR(异或)的情况:
最新文章
- vim+vundle配置
- 轻松掌握:JavaScript策略模式
- 注解:【有连接表的】Hibernate双向1->;N关联(仅N端控制关联关系)
- Ubuntu下安装R语言和开发环境
- http之Session&;Cookie
- linux 重命名文件和文件夹
- sgu139Help Needed!推断15数码是否有解,以及推断N数码是否有解的推论
- 天气类App原型制作分享-ColorfulClouds
- Linux进程管理 - ps,top,pstree,signal,kill,killall举例演示
- 博主新建Linux学习交流群,欢迎广大大神入驻~
- DataTable序列化
- [记录]MySQL 查询无法导出到文件
- ubantu中安装TensorFlow遇到的问题
- jquery-validae
- Django 知识总结(一)
- Springboot实现filter拦截token验证和跨域
- 二分图带权匹配 KM算法与费用流模型建立
- java8学习的一点总结
- js 日期格式: UTC GMT 互相转换
- Python str() 函数