什么是神经网络?(What is a Neural Network)
从房价预测开始:
假设你有一个数据集,它包含了六栋房子的信息。所以,你知道房屋的面积是多少平方英尺或者平方米,并且知道房屋价格。这时,你想要拟合一个根据房屋面积预测房价的函数。
如果你对线性回归很熟悉,你可能会说:“好吧,让我们用这些数据拟合一条直线。”于是你可能会得到这样一条直线。
但有点奇怪的是,我们知道价格永远不会是负数的。因此,为了替代一条可能会让价格为负的直线,我们把直线弯曲一点,让它最终在零结束。这条粗的蓝线最终就是你的函数,用于根据房屋面积预测价格。有部分是零,而直线的部分拟合的很好。你也许认为这个函数只拟合房屋价格。
作为一个神经网络,这几乎可能是最简单的神经网络。我们把房屋的面积作为神经网络的输入(我们称之为 x x x),通过一个节点(一个小圆圈),最终输出了价格(我们用 y y y表示)。其实这个小圆圈就是一个单独的神经元。接着你的网络实现了左边这个函数的功能。
如果这是一个单神经元网络,不管规模大小,它正是通过把这些单个神经元叠加在一起来形成。如果你把这些神经元想象成单独的乐高积木,你就通过搭积木来完成一个更大的神经网络。
不光是房子的大小,卧室的数量、健康、地域等也会成为影响房价的因素。
以此为例,
x
x
x 是所有的这四个输入,
y
y
y 是你尝试预测的价格,把这些单个的神经元叠加在一起,我们就有了一个稍微大一点的神经网络。
**神经网络的一部分神奇之处在于,当你实现它之后,你要做的只是输入 x x x,就能得到输出 y y y。**因为它可以自己计算你训练集中样本的数目以及所有的中间过程。所以,你实际上要做的就是:这里有四个输入的神经网络,这输入的特征可能是房屋的大小、卧室的数量、邮政编码和区域的富裕程度。给出这些输入的特征之后,神经网络的工作就是预测对应的价格。同时也注意到这些被叫做隐藏单元圆圈,在一个神经网络中,它们每个都从输入的四个特征获得自身输入,比如说,第一个结点代表家庭人口,而家庭人口仅仅取决于 x 1 x_1 x1和 x 2 x_2 x2特征,换句话说,在神经网络中,你决定在这个结点中想要得到什么,然后用所有的四个输入来计算想要得到的。因此,我们说输入层和中间层被紧密的连接起来了。
🤔✔我的理解:神经网络就是一个模型,你只管输入,通过神经网络的处理,它就能输出你想要的。
其他解释:神经网络是一种模仿生物神经网络结构和功能的计算模型,它由大量的节点(或称为神经元)组成,这些节点通过连接彼此传递信息。每个节点都执行简单的计算,并根据输入和权重产生输出。神经网络可以通过学习过程自动调整这些连接的权重,以便更好地执行特定的任务,如分类、识别模式或预测。
参考资料:https://zhuanlan.zhihu.com/p/84816512