如何在吴恩达的机器学习这门课中，在神经网络中多元输出过程中，他对隐藏层中的变换进行了一个解释，但有点没搞明白他的第二张图片的解释？

在吴恩达的机器学习这门课中，在神经网络中多元输出过程中，他对隐藏层中的变换进行了一个解释，但有点没搞明白他的第二张图片的解释

一个单级网络（神经元）可以将平面划分成两部分，用多个单级网组合（多个神经元组成组成隐含层）在一起，并用其中的一个去综合其他单级网（输出层）的结果，就可以构造一个两级网络（一层隐含层+一层输出层，输入层一般不计算层级，或者算第0级），该网络可以被用来在平面上划分出一个封闭或者开放的凸域来。

所以第一张图不是说了吗，a0这个平面（也是神经元）将4堆分成两个平面，左边的为0，右边大于0，假设为1，那么蓝绿色在下图中的坐标就是（a0=0,）,橙紫为（a0=1,)；
同理有a1平面分割，蓝橙色为(,a1=0),绿紫为(,a1=1).

而第二张图一开始就说以上图a0和a1为轴，就是数学和线代中的变换基底，那不就是a0为x轴，a1为y轴，将上面的坐标组合起来吗，就变成了你看到的蓝色为（0,0），绿色为（0,1），橙色为（1,0），紫色为（1,1）