任何人都可以想到一个可以通过单个神经元神经网络解决的问题的真实（ish）世界示例吗？我试图想出一个简单的例子来帮助介绍这些概念。
答案 0 :(得分：5)
使用单个神经元进行分类基本上是逻辑回归，正如戈登指出的那样。
Logistic回归是在因变量为二分法（二元）时进行的适当回归分析。与所有回归分析一样，逻辑回归是预测分析。 Logistic回归用于描述数据并解释一个从属二元变量与一个或多个度量（间隔或比例标度）自变量之间的关系。 （statisticssolutions）
这是应用逻辑回归的一个好例子： 假设我们对影响政治候选人是否赢得选举的因素感兴趣。结果（响应）变量是二进制（0/1）;赢或输。感兴趣的预测变量是在广告系列上花费的金额，负面竞选所花费的时间以及候选人是否是现任者。 （ats）
答案 1 :(得分：1)
对于单个神经元网络，我发现解决逻辑函数是一个很好的例子。假设说一个sigmoid神经元，你可以演示网络如何解决AND和OR函数，这些函数是线性可分的，以及它如何解决XOR函数无法解决的问题。