神经网络
输入 计算 输出
分类问题、michael neisen andrew ng
逻辑回归
支持向量机
激活器
前向传播
感知器MLP
预测精准度取决于他的权重和偏差
¥
支付方式
请使用微信扫一扫 扫描二维码支付
请使用支付宝扫一扫 扫描二维码支付
神经网络
输入 计算 输出
分类问题、michael neisen andrew ng
逻辑回归
支持向量机
激活器
前向传播
感知器MLP
预测精准度取决于他的权重和偏差
神经网络
推荐资源:
Michael Nielsen
吴恩达
分类问题:
1.可用的分类器:
逻辑回归,支持向量机,朴素贝叶斯, 神经网络
2. 前向传播(Forward prop):神经网对一组输入进行分类的方式
多层感知器(MLP)
深入学习的资源:Michael Nielsen的书、吴恩达(Andrew NG)的课。
neural newwork神经网络
classification分类问题,解决方案:逻辑回归、支持向量机、朴素贝叶斯、神经网络。(前几个的翻译对吧?)
input layer——>hidden layer——>output layer
node、weight、bias、training、forward prop