神经网络分类算法的重点是构造阈值逻辑单元。一个阈值逻辑单元是一个对象，可以输入一组加权系数的量，对它们进行求和。如果这个和达到或者超过了某个阈值，则输出一个量。比如，输入值X1, X2, ..., Xn 和它们的权系数：W1, W2, ..., Wn，求和计算出的 Xi*Wi ，产生了激发层 a = (X1 * W1)+(X2 * W2)+...+(Xi * Wi)+...+ (Xn * Wn)。其中，Xi 是各条记录出现频率或其他参数，Wi是实时特征评估模型中得到的权系数。
神经网络是基于经验风险最小化原则的学习算法。这里有一些固有的缺陷，比如：层数和神经元个数难以确定、容易陷入局部极小、过度学习等现象。这些缺陷在支持向量机制（SVM）算法中则可以得到很好解决。
（原帖出处 http://apps.hi.baidu.com/share/detail/7428796  略作修改）


欲知晓了解更多：数据挖掘现场班https://bbs.pinggu.org/thread-1409460-1-1.html