首先你要知道神经网络是什么,简单地说,一个神经网络就是,你给一个输入信息,他反馈一个输出信息,就像人的神经细胞一样。
都知道现在的神经网络有很多层堆叠,我们需要先从单层学起
计算机没有人的细胞聪明,他会的就是计算,给他一个输入,他来给出一个输出,输出怎么形成的,通过计算,这个计算的过程是什么样的就是我们需要学习的内容。
单层的神经网络很简单,就是输出=输入*权重
为什么叫权重,后面会讲到,在这里先不做说明
单输入单输出的单层神经网络就是一个乘法算式,输入*权重=输出
我们用球队球员的平均脚趾数目来预测球队胜利的概率,就会有如下模型:
代码如下:
weight = 0.1 #权重
number_toes = 8.5 #输入
def network(inout,weight):
prediction = input*weight
return predition
pred = network(number_toes,weight) #输出
print(pred)
非常简单,这就是神经网络的本质,后面的复杂模型都是在这个基础上进行的变形,比如怎么来更新权重,多输入多输出怎么来计算,多层的神经网络怎么堆叠