deeplearning.1什么是神经网络

“深度学习”

1.“深度学习”指的是训练神经网络。

房价预测的案例

假设一个六间房屋的数据集。已知房屋的价格和房屋的尺寸面积，
那么找到一个线性关系，通过房屋面积预测价格。横轴代表面积，纵轴代表价格。

很明显只用一个单纯的线性回归并不合理，如上图所示，因为房价不可能为负，对上图的蓝色线条X轴负方向延长就会出现价格纵轴是负的现象，这是不合理的。但是这样的一个预测案例可以被称为最简单的神经网络。 size（房屋尺寸）→○→price（房屋价格）。中间的小圆圈就是一个神经元。大型的神经网络就是一个一个这样的小的简单神经网络累积而成的。

（修正线性单元）ReLU

经常在神经网络文献中出现的一个学术词语，叫ReLu单元（激活函数），全称是修正线性单元。修正指的是取不小于0的值。那么这个函数的样子就是上图中的蓝色线条。

引入更多特征预测房价

当预测房价时不单单依赖房屋面积，例如还参考卧室的数量，可居住人数，出行方便程度，周围商圈富裕程度等等。

左侧是各种要参考的房屋特点，那么圆圈就是一些简单的ReLU函数，最后预测最右侧的房价（price）。在经过训练神经网络后，仅在最左侧输入特征，就会自动输出最右侧预测价格。

结语

so，当给与神经网络足够多的数据data（x，y），那么经过使用数据训练后，在应该过程中，只需要给与输入一个房屋的特征，那么神经网络就会通过一个精准的映射函数，给出你所需要的房价。这是在监督学习下。