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