“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。