//2019.10.08
神经网络与全连接层
1、logistics regression
逻辑回归的思想是将数据利用激活函数sigmoid函数转换为0-1的概率，然后定义一定的阈值0.5，大于阈值则为一类，小于阈值则为另一类。它主要用来解决的是二分类问题，也可以通过一定的变形解决多分类的问题。
2、对于逻辑回归其实质是分类算法，为什称之为回归，主要是因为其优化的函数类似于回归问题的loss函数，而将其称之为逻辑主要是因为利用了sigmoid函数。
图
3、回归问题和分类问题的loss函数是不一样：
(1)回归问题：MSE
(2)分类问题：
1)MSE(P)
2)cross entropy loss
3)Hinge Loss
图
4、cross entropy loss交叉熵：主要是指整体预测的不确定性，即熵的概念，熵的值越大，说明其确定性越低，概率分布越接近；熵的值越小，说明确定性越高，概率预测分布相差越大，越逼近极端的0或者1。
图123
5、交叉熵函数cross_entropy=softmax+log+null_loss函数
图
6、激活函数主要有以下几种：sigmoid函数、tanh函数、Relu函数，改进版Relu函数，selu函数，softplus函数
7、一个神经网络层结构的搭建组成具体如下所示：
