非线性回归及加权

内容包括：

• 什么是非线性以及神经网络的隐藏层中的非线性如何增强网络的容量并带来更好的预测精度
• 什么是超参数及其调整方法
• 网络钓鱼网站检测示例来介绍在输出层通过非线性进行二进制分类
• 鸢尾花示例介绍多类分类及其与二元分类的区别

在本章中，将以第 2 章为基础，学习神经网络从特征到标签更复杂的映射。我们主要介绍的是非线性回归，即输入与输出之间的映射不是输入元素的简单加权和。非线性增强了神经网络表现能力，并且在正确使用时可以提高许多问题的预测精度。我们将继续使用波士顿住房数据集来说明这一点。此外，本章将深入介绍欠拟合和过拟合，以帮助您不仅在训练数据上获得良好的模型，而且在训练过程中未见到的数据上也能达到良好的准确性，这都会影响模型的质量。