机器学习入门：神经网络为什么要非线性

机器学习入门：为什么要非线性？

机器学习的一大作用就是预测。假设我们用一个函数function来根据一些已有条件预测结果。线性函数就会产生很大的局限性。
针对这个问题，我首先举一个感知机的例子。感知机中有一种逻辑电流叫异或门，含义在此不做过多的阐述，有兴趣的话，我后面可以做一篇关于感知机的介绍。但我找了一下关于感知机的输入与输出关系，如下图

在坐标系中表示出来就是

一条直线是不能将两个类别分开来的的。想要分开来，必须要用到曲线。如下图

综上，意思就是，随机输入两个数进入异或门，得到结果，没法用线性的函数来表达
至此就不难理解，为什么神经网络的需要用非线性的函数来实现。值得一提的是，神经网络有大量的神经节点，节点中的函数如果用非线性的如sigmoid和ReLU等等，那么整个神经网络就是非线性的了。

参考自：深度学习入门：基于Python的理论与实现

这是我的第一篇博客，后续还会更新有关机器学习的文档和各种环境配置的文档，欢迎大家关注我！