深度学习指的是训练神经网络,那么神经网络是指什么呢?
我们先从一个房价预测的例子开始:
假设有一个六间房屋的数据集,已知它们的房屋面积(x)与房屋的价格(y),我们想要通过房屋的面积与价格的关系找出一个函数来预测房屋的价格.
我们可以利用线性回归得到一条可以反映房屋价格变化的直线,当然,房屋价格最低为0,不会趋向于负值,因此我们可以得到如下图的一条曲线.
这就是一个简单的神经网络,下面是他的对应关系:
输入值为房子的面积,这里我们称之为x
中间的neuro代表一个独立的神经元
这个神经元所完成的功能就是输入面积,完成线性运算,取不小于0的值,最后得到输出预测价格.
在神经网络种,一开始为0,后面呈现一条直线的函数被称作ReLU函数(修正线性单元)
"修正"代表该函数的值不小于0
我们可以通过多个单个神经元线性组合,形成更大的神经网络,例如:
我们不仅知道价格,还知道一些房屋的其他特征,这些特征都是影响房屋价格的重要因素,例如,房间数量,邮政编码等
房间数量与房屋面积大小相关
邮政编码说明了步行化程度,也可以代表富裕程度,学校质量等
上图的每一个小圆圈都可以代表一个神经元,即修正线性单元,或者其他的函数,你输入的房屋面积,房间数量与邮政编码等因素影响这些神经元,神经元帮助你预测房屋的价格,这便是神经网络.我们需要做的只是输入x,就能得到输出y,不管训练集有多大,所有的中间过程,他都会自己完成.
在神经网络种,只要你给足够的训练集x,y,神经网络可以训练出计算从x到y的精准映射函数.
上一节 | 下一节 |
---|---|
1.2 用神经网络进行监督学习 |