神经元

神经网络的最小单位-神经元

输入：x1，x2，1（x可以有多个，作为特征，1可有可无，作为偏置调整）
计算：
第一步：加权求和w1x1+w2x2+1*b
第二步：将第一步结果输入到激活函数得到输出。（激活函数的用途）
目的：
调整w1，w2…wn，b得到一个最佳的值（可以让相对更多的输入可以达到预期的输出）

多输出神经元

例如，在三分类的时候增加一个神经元。

输出

二分类与多分类的区别就是添加神经元，并且在最后添加归一化操作。

目的

将损失函数降到最低。
损失函数为真实值和预测值之间的差值。
在二分类中，一个分类为1的数据经过预测得到的预测结果为0.8（0-1之间），认为预测结果为1这个类别，损失函数为（1-0.8）=0.2
在三分类中，预测结果为（0.1，0.4，0.5）真是结果为第三个类别，我们将类别用one-hot编码表示，那么真实的结果为（0，0，1），损失函数就可以计算为abs(0.1-0)+abs(0.4-0)+abs(0.5-1)=0.9