神经网络中的多分类问题—ML Note 50

本文是吴恩达《机器学习》视频笔记第50篇，对应第4周第7个视频。

“Neural Networks: Representation——Multi-class classification”

01

—

笔记

本小节学习的是多个类别分类的问题，上一个小节最后是手写数字的识别，其实这就是一个比较典型的多分类问题，将采集到的手写数字图片识别为0-9中的一个。

看下面这个图：

上面图中，有四种交通方式：步行、小汽车、摩托车、卡车。

输入一个图片，我们希望神经网络能帮我们把这个图归类到四个中的一个。那这个神经网络就要有四个输出，用h_{\theta}(x)来表示的话呢，就要按照规定在对应的输出上输出1表示那个图是哪种交通方式会。如下图：

上图中，我们神经网络的输出有了。那这些输出怎么来的呢？根据前面所学，我们知道只要知道了激活函数、以及各个线上的权值，然后就可以把每个输出上的值通过输入给算出来。激活函数我们可以事先定义，那中间的这些线上的权值怎么来呢？

这些权值，实际上是根据已知的输入和输出，然后通过一些特定的方法训练出最合适的权值。

而这些有输入和对应输出的训练集是怎样的呢？这就需要对图像也进行处理，一个图对应抽取出一个输入向量，就是用一个向量来表示这一个图，而这个图是四个分类中的哪一个我们事先是知道的。

然后这些东西就是training set. 如下图所示：

这样，我们就有了网络、有了训练集，然后就用这个训练集来为网络训练出最合适的权值，然后这个网络就建成了。

我们用这个建成的网络就可以进行图像的分类了。