机器学习——人工神经网络（NN）

文章链接：

机器学习——卷积神经网络（CNN）

机器学习——循环神经网络（RNN）

机器学习——长短期记忆（LSTM）

机器学习——决策树（decision tree）

机器学习——随机森林（Random forest）

机器学习——梯度提升决策树（GBDT）

机器学习——XGboost模型

人工神经网络（NN）

人工神经网络（artificial neural network，ANN），简称神经网络（neural network，NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。

多层神经网络由三部分组成：输入层(input layer),隐藏层(hidden layers),输出层(output layers)。

神经网络图

（1）每层由单元（unit）组成，每个单元可以被称作神经结点。

（2）输入层（input layer）是由训练集的实例特征向量传入，经过连接节点的权重（weight）传入下一层，然后根据非线性方程转化输出一层的输出是下一层的输入。

（3）隐藏层的个数可以是任意的，输入层和输出层都有一层。

（4）上图称为2层的神经网络（输入层不算）。

（5）作为多层向前神经网络，理论上，如果有足够多的隐藏层和足够大的训练集，可以模拟任何方程。