小白都能看懂的神经网络入门，快收下吧

导语： 干货来了，Udacity课程经理亲自出马，教你简单形象有趣地掌握神经网络！

文/ 优达学城 Machine Learning 课程导师 Walker

编辑/ Walker的迷妹

最近，有网友在 Quora 上提问：对于那些非计算机科学行业的人，你会如何向他们解释机器学习和数据挖掘？

其实，斯坦福大学的印度学生、机器学习爱好者 PararthShah 在 2012年 12 月 22 日的使用买芒果的例子，非常经典易懂：

“你需要挑选芒果，你不知道什么样的芒果最好吃，所以你就尝遍了所有的芒果，然后自己总结出个大深黄色的比较好吃，以后再去买的时候，就可以直接挑选这种。那什么是机器学习呢，就是你让机器“尝”一遍所有芒果，当然，也假设它知道哪些好吃，让机器去总结一套规律（个大深黄色），这就是机器学习。具体操作，就是你描述给机器每一个芒果的特征（颜色，大小，软硬……），描述给机器其输出（味道如何，是否好吃），剩下的就等机器去学习出一套规则。“（此段引用知乎网友Begin Again的翻译）

那，如何用类似的方法，来简单、形象、有趣地解释神经网络呢？

今天优达菌请到了 Udacity 明星导师Walker来为大家现身说法，小白也能看得懂的神经网络入门，请大家收好了！

接到这个问题时，Walker 老师先吐了个槽（他说不要发出来，我冒着生命危险）：“简单” “形象” 两个要求我争取下，“有趣”的话，我觉得数学挺有趣的，你觉得呢?

说正事分割线

所以，神经网络是什么？神经网络就是一系列简单的节点，在简单的组合下，表达一个复杂的函数。下面我们来一个个解释。

线性节点

节点是一个简单的函数模型，有输入，有输出。

1、最简单的线性节点:x+y

我能想到的最简单的线性节点当然就是x+y。

2、参数化线形节点：ax+by

x+y是一个特殊的线形组合，我们可以一般化所有x,y的线性组合,即ax+by。这a,b就是这个节点的参数。不同的参数可以让节点表示不同的函数，但节点的结构是一样的。

3、多输入线性节点:a1x1+a2x2+a3x3+...+anxn

我们进一步把2个输入一般化成任意多个输入。这里a1,a2,a3,...an是这个节点的参数。同样，不同的参数可以让节点表示不同的函数，但节点的结构是一样的。注意n并非是这个节点的参数，输入个数不同的节点结构是不一样的。

4、线性节点的向量表达：aTx

上面的式子太过冗长，我们用向量x表示输入向量(x1,x2, . . . ,xn)， 用向量a表示参数向量(a1,a2,...,an)，不难证明aTx=a1x1+a2x2+a3x3+...+anxn。这里向量a就是这个节点的参数，这个参数的维度与输入向量的维度相同。

5、带常量的线性节点：aTx+b

有时,我们希望即使输入全部为的时候，线形节点依然可以有输出，因此引入一个新的参数b作为偏差项，以此来增加模型的表达性。有时，为了简化，我们会把表达式写作aTx。此时，x= (x1,x2,...,xn,1),a= (a1,a2,...,an,b)

6、带激活函数的线性节点: