什么是神经网络？

介绍神经网络的基本概念，并用预测房屋价格进行举例

假设你有一个房屋价格的数据集，x轴代表房屋的面积，y轴代表房屋的价格。你想要拟合一个函数以预测房屋价格和房屋面积之间的关系。

如果你熟悉线性函数的话，你可能会说，让我们画一条直线来拟合图上的数据把。如果你想让曲线更加符合现实的话，你应该知道，房价不可能小于0，所以在y轴接近0处，可以画一条直线，右边是预测房屋价格的直线。

你可以把预测房价作为一个简单的神经网络，这也是最简单的神经网络之一了，假设把房屋面积x进行输入到一个黑盒，输出房屋价格y，这个黑盒就是神经网络的一个神经元，也是我们图上画的这个函数。

你可以看到图上这个函数，有时会变成0，有时变化成一条直线，这个在神经网络中称之为ReLu函数，这个也是神经网络中常见的一种函数。

如果把上述函数当作一个神经元的话，把多个神经元组合在一起就会形成一个较大的神经网络，就像拼乐高积木一样，一块块积木可以搭建出你的乐高帝国。

让我们来看一个例子，假设你有一些其他的特征，如面积、卧室的数量、邮政编码（房屋位置）、周围房单价。基于几个特征我们可以得到一个神经元，如房屋大小和卧室数量可以确定家庭成员数量，邮政编码和周围房单价可以确定房屋周围学校质量，这些神经元都是通过ReLU、修正线性或非线性函数获得。在这个例子中，我们输入的x有面积、卧室数量、邮政编码、单价，输出的y为房屋价格，计算将由神经网络完成。在现实中，实际模型可能会比这个大得多，输入x也更加复杂

在输入四个对应的x特征后，神经网络将产出三个隐藏层，在以下图示例中，第一个隐藏层单元我们将它定义为家庭成员数量，由面积和卧室数量决定，你也可以告诉神经网络，第一个隐藏层单元你可以决定这个单元是什么，也可以决定输入的特征与单元的联系。值得注意的是，只要由足够的x y训练数据，神经网络很容易找到对应的函数

 引用：

1. Cousera, Andrew Ng, Neural Networks and Deep Learning, Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera