理论-神经网络架构简单介绍

以下内容笔记出自‘跟着迪哥学python数据分析与机器学习实战’，外加个人整理添加，仅供个人复习使用。 神经网络的整体框架： 输入层：样本特征 隐藏层1：神经网络按照某种线性组合关系将所有特征重新进行组合 隐藏层2：之前的隐藏层1的特征变换不够强大，可以继续对特征做变换处理 输出层：根据分类还是回归任务，选择合适的输出结果和损失函数 比如函数计算： 单层： 双层： 激活函数 上面都是在得到预测分值

>>阅读原文<<