如何通过神经网络实现机器学习数据的整理？

本文共计1506个文字，预计阅读时间需要7分钟。

神元+神网络由多个神元组成，每个神元由几个部分组成：输入、输入权重、输出和激活函数组，类似于生物神元树突、轴突的组成。神元的输入由左侧的神元输出决定。

神经元

神经网络由多个神经元组成，其中神经元由几个部分组成：输入、输入权重、输出和激活函数组成，类似于生物神经元的树突、轴突的组成。

神经元的输入由左边的神经元输出 \(x\) 乘以权重 \(w\) 并加和得到，输出的时候，类似于生物神经元的轴突，将神经元的输出通过激活函数才能传送给接下来的神经元。

常用的激活函数（activation function）是Sigmod，它的函数图像如下，在逻辑回归的时候使用过：

其中偏置单元 \(b\) 是用于提高神经网络的灵活性而加入的，它的存在可以让激活函数更快或者更慢达到激活状态。