類神經網路
透過集合功能整理內容
你可以依據偏好儲存及分類內容。
您可以前往
功能交叉練習
「類別資料模組」
下列分類問題屬於非線性：
圖 1：非線性分類問題。線性函式不得
將所有藍點和橘色點分開。
「非線性」意味著您無法
\(b + w_1x_1 + w_2x_2\)格式的模型。換句話說，「決策面」並非一條線。
不過，如果我們對 $x_1$ 和 $x_2$ 功能進行交叉比對，
然後使用
線性模型：
$b + w_1x_1 + w_2x_2 + w_3x_3$，其中 $x_3$ 是
$x_1$ 和 $x_2$：
圖 2 透過新增特徵交叉 x1x2，線性模型就能學習超曲線形狀，將藍點與橘點分開。
現在請考慮下列資料集：
圖 3. 更難的非線性分類問題。
您也可以從功能交叉練習中複習
判斷正確的特徵會交錯組合，以符合此資料的線性模型
花了不少工夫和實驗
但如果您不必親自進行所有實驗，又該怎麼辦呢？類神經網路是一組模型架構，旨在找出資料中的非線性模式。在訓練神經網路的過程中，模型會自動學習在輸入資料上執行的最佳特徵交叉，以盡量減少損失。
在以下各節中，我們會進一步說明類神經網路的運作方式。
除非另有註明，否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權，程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間：2025-07-27 (世界標準時間)。
[null,null,["上次更新時間：2025-07-27 (世界標準時間)。"],[],[],null,[]]
