码迷,mamicode.com
首页 > 其他好文 > 详细

吴恩达深度学习:1.2什么是神经网络

时间:2019-01-18 22:25:34      阅读:157      评论:0      收藏:0      [点我收藏+]

标签:帮助   信息   图片   需要   是什么   一个   结束   单位   家庭   

写在开头的话,本博客内容全部来自吴恩达深度学习教学课程,插图均来自吴恩达课件,在此说明来处,不喜勿喷!

一、什么是神经网络

  1.我们从一个房屋加个预测的例子开始,假设有一个6间房间的数据集,已知房屋的面积单位是平方米或者平方英尺,已知房屋加个,现在想要找到一个函数,根据房屋面积来预测房屋价格的函数。如果有机器学习的只是,可以用线性回归得到这样的一条直线:

技术分享图片

  但是我们知道,价格永远不可能为一个负值,所以用一个直线的线性回归进行预测不太合适,我们可以在size轴将预测线弯曲一点,让他结束于0,我们所要的函数就是下面这天蓝色的线:根据房屋面积来预测房屋的价格,下面这个直线拟合的 很好

技术分享图片

    如果把房屋加个拟合函数,可以看成是一个非常简单的神经网络,这个就是最简单的神经网络了。

   在这里我们把房屋面积作为神经网络的输入,称之为x,通过节点(小圈圈)最后输出了加个,我们一般用y来进行表示,所以这个小圈圈就是一个独立的神经元。这个神经元所要做的,网络实现了左边函数的功能,这个神经元所做的,就是计算面积,完成线性运算,取不小于0 的值,最后预测出价格。

技术分享图片

  在一些文献中,我们经常看到过这个函数,这个函数一开始就是0,然后就是一条直线,这个函数被称为ReLU函数,全称是“修正线性单元”。修正指的是取值不小于0,这就是这个函数长成这样的一个原因。

技术分享图片

  大一点的神经网络是将很小的神经元进行堆叠在一起形成的,可以把这些神经元想象成单独的乐高积木,通过搭积木来构建一个更大的神经网络。

  2.接下来进一步看上面这个例子。

  我们不仅仅用房屋的面积来预测价格,现在我们知道了一些其他的信息,比如:卧室的数量,你可能会想到,有一个很重要的因素会影响房屋的价格,就是家庭人数;还有邮编、富裕程度也能对房屋价格产生影响。我们画的每一个小圈都可能是一个ReLU。基于房屋面积和卧室数量,可以估算家庭人口数,基于邮编可以评估步行化程度,基于邮编也可以评估学校质量。最后你可能会想,人们愿意在房屋上花多少钱,和他们关注什么息息相关。在这个例子中,家庭人数,步行华程度以及学校质量都可以帮助你进行房屋价格的预测。

技术分享图片

  现在由无数神经元构成了一个神经网络,只要在左边输入x,就能得到y,不管训练集由多大,所有的中间过程,他都会自己完成。那么需要你完成的就是输入特征,输入的值可能是房屋大小,卧室数量,邮编以及富裕程度,已知致谢特征,神经网络就能对价格进行预测了。同时也要注意到,这些圈圈,在神经网络中被称为隐藏单元,每个输入都同时来自4个特征,我们不需要具体指定第几个节点表示的是什么特征值,我们只给定神经网络4个输入的特征,计算由神经网络完成,对于神经网络而言,只要给定足够的x和y的样本,神经网络非常擅长计算x到y的映射函数

 技术分享图片

 

吴恩达深度学习:1.2什么是神经网络

标签:帮助   信息   图片   需要   是什么   一个   结束   单位   家庭   

原文地址:https://www.cnblogs.com/bigdata-stone/p/10289945.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!