逻辑回归和线性回归是否是神经网络的特殊情况？

回答：

神经网络可以配置为执行逻辑回归或线性回归。

在任何一种情况下，神经网络都只有一个可训练层（输出层），并且该层只有一个神经元（执行W * x + b仿射计算和激活的操作符）。它们的区别在于激活函数。

对于逻辑回归，输出层有一个Sigmoid激活函数，产生一个在[0.0, 1.0]范围内的浮点数。您可以通过对该值应用0.5的阈值来做出二元决策。

对于线性回归，输出层通常没有激活函数，因此得到一个不受限制的浮点数。

一般来说，您可以在神经网络中添加隐藏层（增加非线性和更多的学习能力），只要输出层的激活函数按上述方式配置，仍可以执行二元分类和回归。