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

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181214G15D9J00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券