5.1. 神经网络的背景

神经网络的背景知识

激活函数算法的局限性

假设一个数据集拥有非常多的原始特征和数据量，执行激活函数算法，那么次方项、交叉项会非常的多，计算量非常的大，最终的拟合结果也不好。
计算机视觉中的例子：
计算机读取到的是图片所对应的像素强度的矩阵。 >对于灰度图像来说，像素强度就是每一个像素的灰度值。
>对于RGB彩色图像来说，图片上的一个像素以三个值（R,G,B）/三维向量 来进行表示

如果现在设计一个分类器，使得计算机能够区分一个图片的主体是否为汽车。
以图中的pixel1 和 pixel2的位置为例，我们可以把所有数据集中pixel1和pixel2的像素强度投射到坐标轴上，如图使用一个非线性假设来对图像进行分类。
如果对于一个50*50像素的图片数据集，那么训练集中将包含至少2500个原始特征（7500 RGB），这时候用激活函数算法计算量会非常的大。