每天十分钟机器学习之二十一：神经网络的矩阵和向量理解

上两讲着重讲述了神经网络的基础知识，为了后续对神经网络的理解，今天从矩阵和向量的角度再理解一下神经网络。

以上一讲的神经网络为例说明：

把输入层和隐藏层抽象成向量（这里假设只有一组数据）：

将权重组成矩阵后，神经网络的表示如下：

这只是针对训练集中一个训练实例所进行的计算，如果我们要对整个训练集进行计算，我们需要将训练集特征矩阵进行转置，下面我们以三个实例数据来详细描述上面过程：

现实问题中的训练实例会很多，而且网络结构也会不同，但是和上面的推导过程都是一样的，以上就是把神经网络等价成矩阵和向量的过程，感兴趣的朋友可以自己推导一下。

祝您的机器学习之旅愉快！

本文参考资料：斯坦福吴恩达老师的机器学习讲义，图片直接来自讲义；

往期回归