课时八 神经网络：表述
本章是神经网络的入门介绍，神经网络适用于非线性问题，特别是当特征数量很多时。本课时主要介绍了一些固定术语。
1、模型表示
神经网络模型建立在很多神经元之上，每个神经元又是一个学习模型，这些神经元（也叫激活单元）采纳一些特征作为输入，并且根据本身的模型提供一个输出。下图是一个以逻辑回归模型作为自身学习模型的神经元案例，在神经网络中，参数又可被称为权重。
其中x0,x1这些是输入特征，假设函数h是和逻辑回归的假设函数形式一样的S型函数。
我们设计出了类似于神经元的神经网络，效果如下：
其中x1,x2,x3是输入单元，我们将原始数据输入给他，a1,a2,a3是中间单元，他们负责将数据进行处理然后呈递给下一层。最后是输出层，他负责计算h
注意：例如
表示的是第一层即输入层到第二层的映射参数，下标10表示两个直接相连的逻辑单元，即1代表第二层中的第一个神经元，0表示第一层中的偏差单位。所以要注意下标中左边的数字代表目的层中的单元，右边的数字代表出发层的单元。（这个地方开始傻了，听课时没听清，到后边课才反应过来）
2、多分类
以上就是课时八的内容，因为课程内容多为理解记忆的东西，且需要很多图做辅助，所以本节笔记大多来自“机器学习初学者”网站提供的吴恩达老师的2014机器学习课程笔记http://www.ai-start.com/