2.线性神经网络

1.线性回归

一个简化模型

• 假设1：影响放假的关键因素是卧室个数，卫生间个数和居住面积，记为x1,x2,x3
• 假设2：成交价实关键因素的加权和 y = w1 * x1 + w2 * x2 + w3 * x3 +b

权重和偏差的实际值在后面决定

线性模型：可以看做是单层神经网络

• 给定n维输入 x = [x1,x2,…xn]
• 线性模型有一个n维权重和一个标量偏差
  • w = [w1,w2,…,wn] b
• 输入是输出的加权和
  • y = w1 * x1 + w2 * x2 +…+wn * xn + b
• 向量版：y = <w , x> + b

衡量预估质量

• 比较真实值和预估值，例如房屋售价和估价
• 假设y是真实值，z是估计值，我们可以比较
  • L(y，z) = 1/2(y-z)^2 这个叫做平方损失

训练数据

• 收集一些数据点来决定参数值（权重和偏差），例如过去6个月卖的房子
• 这被称为训练数据
• 通常越多越好
• 假设我们有n个样本，记
  • X =[x1,x2,x3…xn] y = [y1,y2,y3…yn]