第 3 模块:从神经元到 MLP
一个神经元预测价格(线性回归)
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
为什么重要 最简单的神经网络就是一个没有激活函数的神经元。它也是一个经典工具:线性回归。所有更大的东西都是由它搭起来的。
每栋房子是两个数字:它的面积,以及它离市中心有多近(都缩放到 0 和 1 之间)。神经元预测 price = w1 * size + w2 * closeness + b。对一整批数据:X @ w + b。
很小的数字
当 w = (3, 1.5)、b = 0.5 时,一栋面积 0.5、接近度 0.2 的房子得到 1.5 + 0.3 + 0.5 = 2.3,意思是 230,000。
损失是第 1 模块中的均方误差:(预测减真实值)的平方的平均值。
线性回归:把一个数字预测为输入的加权和再加上一个偏置。它就是一个没有激活函数的单个神经元。
回顾 用 X @ w + b 预测;用均方误差打分。
本课中的词语和符号
- 神经元
- w . x + b,然后接一个激活函数
- 权重(w、W)、偏置(b)
- 神经元学习的数字;偏置会平移它的输出
轮到你了
编写 predict(X, w, b) 和 mse(pred, y)。然后亲手设置 w_guess 和 b_guess(试几个值并打印损失),让数据上的损失低于 0.05。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。