可居住人口 + 步行化程度 + 周围学校质量 -> 房价
图示如下，蓝色连线表示某种相关性，灰色圆圈表示映射关系。
这个例子中，x是房屋大小、卧室数量、邮政编码、富裕程度四个输入，y是你尝试预测的价格，中间的圆圈就是一个个 神经元，把这些单个的神经元叠加在一起，我们就建立起了一个简单的神经网络。
我们将房屋大小与卧室数量通过某种运算计算出可居住人口，通过邮政编码计算出步行化程度，通过邮政编码和富裕程度计算出房屋周围学校质量，再通过这三个计算出的值来预测房价。每一个神经元对应一种映射关系（可理解为一种计算的公式），通过不同层次的神经元，将最初的输入一层层映射，最终得到需要的值。
转化为更专业的神经网络示意图如下:
神经网络的神奇之处在于，当你实现它之后，你要做的只是输入x，就能得到输出y，它可以自己计算你训练集中样本的数目以及中间所有的过程。我们只需要按照规则实现好神经网络，它会根据训练集中的(x, y)数据，自己学习到中间神经元的映射方式，之后它就可以根据你给定的x给出预测的y。
而至于深度学习的神经网络究竟该如何实现，请阅读下一周的内容。
Original: https://blog.csdn.net/apple_52071864/article/details/124494056
Author: kkkobe7
Title: C1 – week1 – Neural Networks and Deep Learning
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/691851/
转载文章受原作者版权保护。转载请注明原作者出处！