第9章 神经网络学习
1，非线性假设
对于非线性假设，特征数目特别多时，采用logisitic进行分类，容易过拟合，而且计算成本过高。所以要采用神经网络。
2，神经元和大脑
3，模型展示I
bias unit 偏置单元
weights parameters二者同义词
4，模型展示II
前向传播模型，向量化。
后部分其实就是Logistic回归。
输入层也可以是非线性特征。
其他的前向传播架构
5，例子与直觉理解
神经网络中的某个神经元是如何进行逻辑运算的。
6，例子与直觉理解
神经网络是怎样计算复杂的非线性假设模型的。
7，多元分类
