- 计算机系统:输入->(计算)->输出
- 建立模型可以模拟事情的运作
神经网络的基本思想:持续细化误差值。
大的误差需要大的修正值,小的误差需要小的修正值。
尝试得到一个答案,并多次改进答案。可称迭代,是持续地、一点一点地改进答案。
- 分类器和预测器区别不大
预测器:接受一个输入,做应有的预测,输出结果
简单预测器中,使用线性函数可以对先前未知的数据分类,但某些情况下得到正确的斜率需要改进。
如何更好地调整参数(简单的分类器线性函数中是直线斜率y=Ax)?
算法:利用一种可重复的方法、一系列计算机指令达到目标
误差值=(期望目标值-实际输出值)
$E=t-y=(A+\Delta A)x-Ax=(\Delta A)x$
$\displaystyle{\Delta A=\frac{E}{x}}$
基于当前误差值调整参数的方法$y=(A+\Delta A)x$
标签:python,编程,分类器,神经网络,误差值,Delta,预测器 From: https://www.cnblogs.com/asandstar/p/16894637.html