Supervised Learning Algorithm是机器学习算法分支,即监督学习算法;
在这个算法下面;我们可以看到机器学习基本操作的定义;
对于一个输入集,这个集合是一个已经提取的特征序列,比如一个房子的地段信息,大小,几室几厅;
存在一个转化函数,这个函数一般取sigmal函数,因为这个函数能够把很大的估计值(如房子的价格,也就是我们要训练的结果)转化为0-1的区间,在这个区间的值可以用来表示我们估计值取该值的概率;
一个输出集合,这个集合既可以是区间也可是几个离散的值;比如对于房价,我们通常用区间划分;
通过上面的函数将房价转化为0-1的数,我们称这个过程是归一化;
得到了结果之后,就需要对原来的预测函数进行调整;因为一开始我们得到的值一般是不准确的,准确度只有50%;
通过反向传递算法,可以通过原计算函数对于节点的参数求导,得到反响传递的一个参数;这个参数乘以调整系数;加上原本的节点值;就可以对节点进行调整;
一般来说,一个数据训练了十几次,其归纳值就会趋于平稳;
此外我们还要注意小心过度饱和,因为训练的数据可能不能适应现实中的所有情况;