这是神经网络正向传播方程，为什么不能直接使a[1] = z[1] , a[2] = z[2] ,即 g ( z ) = z
这是因为他们直接把输入值输出了
为了说明问题，若a[2] = z[2 这个模型的输出y或y帽不过是你输入特征x的线性组合
a[1] = z[1] = w[1]x + b[1]
a[2] = z[2] = w[2]x + b[2]
带入a[1]的定义，就发现，a[2] = w[2]（ w[1]x + b[1] ）+ b[2] = （ w[2]w[1] )x + ( w[2]b[1] +b[2] )
= w' x + b'
可以看出，如果用线性激活函数，或者叫恒等激活函数，那么神经网络只是把输入的线性组合再输出
后续的例子中会看到，如果使用线性激活函数或者不使用激活函数，那么无论你的神经网络有多少层，一直在做的只是计算线性激活函数，所以不如直接去掉全部隐藏层。因为这种算法和没有任何隐藏层的标准逻辑logistic回归是一样的
只有一个地方可以使用线性激活函数g(z) = z 就是如果你要机器学习的是回归问题，所以y是一个实数，比如说，你想预测房地产价格，所以y不是0和1，而是一个实数，那么用线性激活函数也许可行。但是隐藏单元不能用线性激活函数，它们可以用ReLU或者tanh或者带泄露的ReLU或者别的东西。
所以唯一可以用线性激活函数的地方通常是输出层