Python神經網路程式設計(TR) (2)

1. 2一臺簡單的預測機

人對問題的思考是這樣的

計算機，實質上是經過了包裝的計算器，對問題的思考是這樣的

計算機可以完成3x4這樣的簡單運算，這沒什麼了不起的，甚至更大的資料也沒什麼。

那麼讓我們增加下難度，去進行千米和英里之間的轉換。

100千米＝62.137英里，這是我們所知道的，同時我們還可以知道，“英里＝千米×C”。

上過小學二年級的小朋友都知道，這個C是可以根據已知資料，通過簡單的乘除運算而得到，但是wait wait，請等一下，在這裡我想請你用觀察實驗的方式來進行探究。

讓我們隨意取一個值，就C＝0.5吧

可以看到，在C=0.5時，誤差值為62.137-50=12.137這個誤差值還是比較大的，所以我們可以適當擴大下C的值，再次我們令C=0.6

這次似乎要比上更加出色了，只有2.137的誤差，而且我們好像還可以接受這樣的誤差，但是為什麼我們不可以繼續試下去呢，好，就讓我們令C=0.7

我們可以得知 誤差值=62.175-70=-7.825很顯然，0.7這個數是偏大的，而0.6在我們可以接受的範圍之內。但是我們為什麼不把0.6再擴大一點點呢。
我們讓C=0.61

我們可以看到這次我們只差1.175，這很棒！我們還可以在繼續縮小，當然這樣也很不錯。

我們剛才就是粗略的瀏覽了一下神經網路中學習的核心過程，我們訓練機器，使其越來越接近正確值，這種方法就叫做迭代。

最最最重要的事是：點贊評論轉發！！！