目录
1、如何将数据输入到神经网络中
此例中,待输入的数据是一张图像。为了存储图像,计算机要存储三个独立的矩阵,如果图像的大小是64 * 64个像素,一般把上面那3个矩阵转化成1个向量x(向量可以理解成1 * n或n * 1的数组,前者为行向量,后者为列向量,向量也会在后面的文章专门讲解)。那么这个向量x的总维数就是64 * 64 * 3,结果是12288。
2、神经网络是如何进行预测的
预测的过程其实只是基于一个简单的公式:z = dot(w,x) + b。
x代表着输入特征向量,假设只有3个特征,那么x就可以用(x1,x2,x3)来表示。如下图所示。w表示权重,它对应于每个输入特征,代表了每个特征的重要程度。b表示阈值[yù zhí],用来影响预测结果。z就是预测结果。公式中的dot()函数表示将w和x进行向量相乘。公式展开后就变成了z = (x1 * w1 + x2 * w2 + x3 * w3) + b。
神经网络到底是如何利用这个公式来进行预测的呢?
假设周末即将到来,你听说在你的城市将会有一个音乐节。我们要预测你是否会决定去参加。音乐节离地铁挺远,而且你女朋友想让你陪她宅在家里搞事情,但是天气预报说音乐节那天天气特别好。也就是说有3个因素会影响你