版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u014453898/article/details/81591551
回归问题与分类问题不同，分类问题是判断一个物体在固定的n个类别中是哪一类。回归问题是对具体数值的预测。比如房价预测，销量预测等都是回归问题，这些问题需要预测的不是一个事先定义好的类别，而是一个任意实数。解决回归问题的神经网络一般只有一个输出节点，这个节点的输出值就是预测值。
而回归问题最常用的损失函数是均方误差MSE，定义如下：
上式中，yi为一个batch中第 i 个数据的正确答案，而为神经网络给出的预测值。
MSE是求一个batch(一批的数据)的平均误差的函数。
在tensorflow中，有接口：
mse = tf.reduce_mean(tf.square(y_-y))其中 reduce_mean()是求平均值的函数，y_为标准答案，y为预测答案。y和y_都是一组向量。