目录
线性回归
模型
为了简单起见,这里我们假设价格只取决于房屋状况的两个因素,即面积(平方米)和房龄(年)。接下来我们希望探索价格与这两个因素的具体关系。线性回归假设输出与各个输入之间是线性关系:
损失函数
在模型训练中,我们需要衡量价格预测值与真实值之间的误差。通常我们会选下列公式为损失误差
代码难点yield用法
https://blog.csdn.net/mieleizhi0522/article/details/82142856
Softmax
主要用与神经网络输出层:
输出问题
直接使用输出层的输出有两个问题:
- 一方面,由于输出层的输出值的范围不确定,我们难以直观上判断这些值的意义。例如,刚才举的例子中的输出值10表示“很置信”图像类别为猫,因为该输出值是其他两类的输出值的100倍。但如果o1=o3=103,那么输出值10却又表示图像类别为猫的概率很低。
- 另一方面,由于真实标签是离散值,这些离散值与不确定范围的输出值之间的误差难以衡量。
softmax运算符(softmax operator)解决了以上两个问题。它通过下式将输出值变换成值为正且和为1的概率分布:
softmax全部流程
多层感知机
组成:输入层,隐含层,输出层
公式表达
激活函数
relu,sigmoid,tanh,他们之间的区别:https://blog.csdn.net/guorongronghe/article/details/70174476