啥是神经网络

Posted 2021-04-26 程序讲坛

醒醒！！此神经网络为机器学习神经网络，非生物类大脑网络喔。

准备工作：

  目标是实现AI预测房产价格。

1. 有一组房产信息数据，已知价格，户型，地段等信息；

2. 房产价格受面积大小，户型，地段等影响；

假设价格只受size影响：

• 第一步，通过已知数据画数学图

  对应一个房子大小（size），就有一个价格（price），像一个简单的X = Y的线性函数，我们可以在二维坐标系中画出这些点。

如下图中，横轴是size，竖轴是price，红X就是坐标系中的位置。

• 第二步，找出数学函数
  

  从图中X点中间穿过，大概可以画出一条直线，X均匀分布在直线两边。这条直线就是价格预测的函数了，P(price) = AxS(size)， 其中A是斜率。

• 第三步，确定神经单元

  这个数学公式   P(price) = AxS(size)，就是我们需要的神经单元，输入size，就可以自动的预测出price了。

•  第四步，过程小结

  已知一组面积(size)和价格(price)数据，通过数据观察，找到一个合适的数学函数，能够预测结果；这个数学函数，就是神经单元。

  只是这个数据观察过程，是需要神经网络自己学习的。

  

把影响房价的因素都考虑进来：

  价格还受其他因素影响，比如户型，邮编，周边人富裕程度等，这些都作为输入X，我们再来分析下，找出相互之间的关联，如下图中所示。

• 第一步，输入大小和户型

  输入size和bedrooms数据， 通过数据观察，找到合适的数学函数，能够匹配family 人数数据，能住多少人是买房人考虑的。

• 第二步，输入邮政编码和周边人富裕度

  输入zip code 和 wealth数据，通过数据观察，找到合适的数学函数，能够匹配生活便利性数据，生活便利度是影响买房意愿的。

• 第三步，输入周边人富裕度

  输入wealth数据， 通过数据观察，找到合适的数学函数，能够匹配学校质量数据，学校质量是很多人买房的标准。

•  第四步，把上面3步的结果作为输入

  上面计算出的 family 大小，生活便利性和school质量等数据，再次作为输入，通过数据观察，找到合适的数学函数，能够匹配最终的price。

• 第五步，输入数据能够匹配price

  最后当输入数据后，计算出的结果，能匹配已知的房产price，那这些计算单元函数就是我们需要的了；就可以拿这一套模型，去预估房产价格了。

通用模型：

  把上面的计算过程再来分层看下，就得到了神经网络模型；

  第零层：是输入层x，输入数据x1，x2，x3，x4

  第一层：3个隐藏的计算单元，输入数据X，计算出3个中间结果

  第二层：1个输出层，输入中间结果，计算出结果y

小结：

1. 神经单元是神经网络的基本要素，一般是某个数学函数，需要神经网络通过数据观察学习到；

2. 神经网络是分层的，逐层的计算出最后的结果；

3. 已知的输入X和结果Y，可以拿来训练网络，训练合格后，就可以使用了，这就是监督学习。

欢迎扣扣群交流：647537524