上一篇博客中讲述了怎样用数学来定义或者计算神经网络的假设函数。 现在来学习一下如何高效进行计算和向量化的实现方法。更重要的是，搞明白为什么这样是表示神经网络的好的方法，并且明白它们如何帮助我们学习复杂的非线性假设函数。 以这个神经网络为例： 计算出假设输出的步骤是上边的这些方程，通过这些方程，我们计算出三个隐藏单元的激活值，然后利用这些值来计算最终输出，假设函数h(x)。 接下来，定义一些额外的项： 定义为z^(2)_1，这样一来就有: 以此类推…… （上标2表示第2层） 这些z值都是线性