神经网络是几个线性变换依次应用于特征向量. 线性变换的组合是线性变换。所以毕竟我们得到在哪里是一个组成.
问题是：如果最终我们拥有的神经网络只是将线性变换应用于特征向量，那么神经网络和线性回归之间的本质区别是什么
神经网络和线性回归的本质区别是什么
机器算法验证
回归
机器学习
神经网络
2022-03-18 01:52:53
1个回答
不，一个神经网络不是几个连续的线性变换。正如您所注意到的，这最终只会导致另一个线性变换，那么为什么要多而不是一个呢？实际上，神经网络执行多个（至少一个，但可能更多，取决于隐藏层的数量）非线性（例如 sigmoid）变换。
这也是神经网络和线性回归之间的区别，因为后者使用回归量的线性组合来近似回归和。
其它你可能感兴趣的问题