吴恩达第二课--该课程讲述了神经网络和决策树。配合西瓜书的第四章第五章一起学习。
1.神经网络
神经网络可以理解为模仿大脑的软件。
理解：神经元接受输入的一个或者多个值，将这个值或者这些值经过一个或多个神经元计算后再输出给后一个神经元。
人脑神经细胞与计算机的神经元类比
神经网络就是由若干个神经元连接而成。神经网络的优势在于，它可以学习自身的特征，从而做出更准确的运算。他和逻辑回归的区别在于是否可以自己生成和选择特征。
层（layer）：层是一组神经元，他们将相同的或者相似的特征作为输入，然后一起输出一些数字。一层可以有多个神经元也可以只有一个神经元。
输出层：最终神经啊元的输出是神经网络预测的值。（图中的紫色就是输出层）
隐藏层（hidden layer）：隐藏层是所有计算发生的地方。它从输入层获取特征，并在将结果传递给输出层之前对它们进行各种计算。
输入层（input layer）：输出层是网络的最后一层。它使用从隐藏层获得的所有信息并产生最终值。
激活函数（activation function）：
层的概念图示
层
神经网络的工作步骤：
第一层：
第二层：
第二层
输出层：
输出层
了解更加复杂的神经网络，熟悉神将网络里的符号。
相对更加复杂的神经网络
前向传播和反向传播都是神经网络中常用的两个算法。
前向传播：前向传播指的是神经网络从输入层到输出层的传播过程。在前向传播过程中，在每一层节点中进行加权与激活计算，得到当前层的输出结果，并将其传递到下一层。这个过程一直持续到神经网络的输出层，从而得到神经网络的最终预测结果。
