神经网络也是一种分类的办法
分类器可以分为线性的和非线性的，从模型方面又可以分为两种 ，分别是产生式模型和判别式模型。
产生型模型是由数据学习联合概率分布P(X,Y),然后求出条件概率密度P(Y|X)作为预测的模型，即产生式模型 P(Y|X)=P(X,Y)/P(X)
模型给定了输入x产生输出Y的生成关系 典型的产生式模型有朴素贝叶斯方法和隐马尔可夫模型
判别式模型由数据直接学习决策函数或则是条件概率分布P(Y|X)作为预测的模型 典型饿判别式模型包括 决策树 支持向量机 神经网络
神经网络固有的并行性使得其具有较高的计算效率
多层神经网络由一个输入层 一个或者多个隐藏层 一个输出层组成 每层由若干个神经元组成，曾剑的神经元为全连接 而层内的神经元问无连接
其中相关的一些术语名称 误差 权重 偏倚 输出层单元的输出 输入层单元的输入 后向传播