Machine-Learning
神經網絡是學習函數還是概率密度函數？
這個問題可能聽起來有點奇怪，因為我是統計推斷和神經網絡的新手。
在使用神經網絡進行分類問題時，我們說我們想學習一個函數映射輸入的空間, 到輸出的空間:
我們是否擬合參數（) 對非線性函數進行建模，還是對概率密度函數進行建模？
我真的不知道如何以更好的方式編寫問題。我已經讀過好幾次這兩件事（概率密度函數，或類似的函數），所以我很困惑。
嚴格來說，神經網絡是擬合非線性函數。
如果選擇了合適的激活函數並遵守某些條件（值必須為正且1等…）。但這是一個關於你如何選擇解釋他們的輸出的問題，而不是他們實際在做什麼的問題。在幕後，它們仍然是非線性函數估計器，您選擇將其應用於 PDF 估計的特定問題。