本节我们将用TensorFlow搭建一个不含隐藏层的简单神经网络。
神经网络模型预览
![](https://i-blog.csdnimg.cn/blog_migrate/747a07bdb0a757da7388a3063ad9245b.png)
这个模型只有输入层和输出层,输入了一系列x值,最终给出预测值y
通过这个模型要实现的目的: 对一系列散落的坐标点(x,y),产生描述这些点的最精确的线性模型。
如果这件事让人做也很简单,线性模型就相当于一次函数,设y=kx+b,代两个坐标点直接算斜率和截距就出结果了。
但我们要的结果是最精确的线性模型。手动算出来的模型不一定能最恰当地描述我们的数据集。那怎么样算精确呢?就需要引入一个新的概念叫做损失函数(loss)。
损失函数是指模型预测值与实际数据值的不一致程度。
通俗来说,就是你算出来的那个数和实际结果差的多不多。举例来说要知道一个石头重量,按模型算出来它重1.2kg,但实际上石头重1kg,这个相差的0.2kg就是所谓的“绝对值损失函数”。
我们用的比较多的另一个损失函数是均方损失。
![](https://i-blog.csdnimg.cn/blog_migrate/3d1cd049d04017271743e125c966cdd6.png)