TensorFlow搭建神经网络(4)：建立精确描述散落坐标的线性模型

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

 

 

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。