神经网络在干嘛
作者:
莫烦
2016-11-03
编辑:
学习资料:
- 本节的代码会在 这一节 中一一实现.
拟合曲线 ¶
机器学习 其实就是让电脑不断的尝试模拟已知的数据. 他能知道自己拟合的数据离真实的数据差距有多远, 然后不断地改进自己拟合的参数,提高拟合的相似度.
本例中蓝色离散点是我们的数据点, 红线是通过神经网络算法拟合出来的曲线,
它是对我们数据点的一个近似表达. 可以看出, 在开始阶段, 红线的表达能力不强, 误差很大. 不过通过不断的学习, 预测误差将会被降低. 所以学习到后来. 红线也能近似表达出数据的样子.
拟合参数 ¶
如果红色曲线的表达式为:y = a*x + b
其中x
代表inputs
,
y
代表outputs
, a
和b
是神经网络训练的参数.
模型训练好了以后,a
和b
的值将会被确定, 比如 a=0.5
, b=2
,当我们再输入x=3
时,
我们的模型就会输出 0.5*3 + 2
的结果.
模型通过学习数据, 得到能表达数据的参数, 然后对我们另外给的数据所作出预测.
分享到:
如果你觉得这篇文章或视频对你的学习很有帮助, 请你也分享它, 让它能再次帮助到更多的需要学习的人.
莫烦没有正式的经济来源, 如果你也想支持 莫烦Python 并看到更好的教学内容, 赞助他一点点, 作为鼓励他继续开源的动力.