机器学习之权重、偏置自动调参

背景

这段时间在学习神经网络相关的内容，神经网络的算法里面只要给定它特征值丢进去，算法就会自身跟新权重和误差(偏置)。其实学习机器学习内容的时候，我对这些算法过程是理解的，但是我对细节是模糊的。

所以，我需要写点代码，在电脑里面跑一下，自己才能领会到算法的真正含义。

---

开始讲解

那么，下面我就列举一个输入为二维的特征值，输出为一维的简单的神经网络模拟。
例如：A有两个特征值，一个特征值是他有棍子，另一个特征值是他会躁动。现在我们有10组样本，每个样本的特征值对应着A是否会和你打架的真实值。

x = [(1,1),(0.9,1.8),(2.3,1),(2.8,1.5),(1.3,4),(6,4.6),(4.2,5.1),(5.1,6.6),(6.2,5.6),(4.6,5.2)]
y = [-1,-1,-1,-1,1,1,1,1,1,1]

例如上面，x就是特征值，比如第一个样本(1,1)就是A有棍子的概率为1，A会躁动的概率为1，此时对应y真实值是-1，那么表示A不会生气。再比如，最后一个样本(4.6,5.2)，就是A有棍子的概率为4.6，A会躁动的概率为5.2，此时A对应的真实值为1，那么表示此时A会生气。

上面10组样本就是真实情况下发生的，可以理解我10次惹了A，其中4次A没有生气，6次A生气了。

那么，我现在想弄一个算法出来，当下一次我再惹A时候，我输入A有棍