线性回归~

线性回归输出是一个连续值，因此适用于回归问题。回归问题在实际中很常见，如预测房屋价格、气温、销售额等连续值的问题。

与回归问题不同，分类问题中模型的最终输出是一个离散值。例如：图像分类、垃圾邮件识别、疾病检测等输出均为离散值。其中softmax适用于分类问题。

线性回归单层神经网络图

如上图所示，网络输入分别为x1,x2，因此输入层的个数为2。输入个数也叫特征数或特征向量维度。 网络的输出为o，输出层的个数为1，为线性回归的输出，即，输出层中负责计算o的单元又叫神经元。由于输入层不算入神经网络层数，故该神经网络层数为1。

输出层中的神经元和输入层中的各个输入完全连接。因此，此处的输出层又叫全连接层(fully-connected layer)或稠密层(dense layer)。其中，fully connected的含义：第 N 层的每个神经元和第 N-1 层的所有神经元相连，第 N-1 层 神经元的输出就是第 N 层神经元的输入。