回归问题：让机器观察什么是圆的、方的、区分各种颜色、形状。根据这些特征对某种事物进行分类预测。这就是回归问题。
如何解决回归问题： 让机器从事物的特征中找到规律，其实就是一个如何在数字中找规律的过程
回归问题就是一个曲线拟合问题：沿着之前的数据拟合一条合适的曲线，进而推算出之后的数据
如何进行拟合呢？在多数情况下，曲线回归会比直线回归更精确 ， 但它也增加了拟合的复杂程度
人工神经网络（ANN，Artificial Neural Network）
在神经网络我们将如何使用曲线拟合？答案是 使用非线性的激活函数 最常见的激活函数是Sigmoid(S形曲线）也称逻辑回归 ， 简称logsig。
自然常数e ， 也叫欧拉数 ， 融入e的螺旋线 ，在不断缩放的过程中 ，可以完全保持它原有的弯曲度不变。它可以让我们的数据在经历了多重的Sigmoid变换后仍维持原先的比例关系。
BP神经网络
