赠书五本《Python神经⽹络⼊门与实战》
神经⽹络能够解决许多复杂的问题，⽽其中最典型的两类问题就是回归问题和分类问题。本⽂就来简单介绍⼀下究竟什么是回归问题。
所谓回归问题，就是⼀种需要来拟合的问题，例如我们有⼀个待拟合的散点图，如图7.12所⽰，我们要解决的问题就是获得⼀条线来尽可能的穿过最多的点。
图7.12  待拟合散点图⽰例
传统⽅法中，我们可以考虑采⽤⼀次函数、⼆次函数等来拟合这些点，拟合的结果可能如图7.13所⽰，显然如果我们⽤⼀次函数也就是直线来拟合这些点并不合适，⽽⽤⼆次函数来拟合确实⼗分合适的。所以利⽤传统⽅法解决拟合问题时，我们需要提前确定好拟合所采⽤的函数形式。
图7.13  ⼀次函数或⼆次函数拟合
⽽如果采⽤神经⽹络来进⾏拟合，只需要把所有的点都作为训练集输⼊，不⽤确定使⽤何种形式的函数直接开始训练，训练好了就可以获得⼀条⽐较接近我们所期望的曲线。我们的神经⽹络需要⼀个输⼊和⼀个输出，输⼊为x，给⼀个输⼊都会有⼀个y，也就是会确定⼀个散点，如果⽹络训练的合适，这些散点就会很接近样本的散点分布，我们也就解决了这个回归问题。
对应⽣活中的实际问题，⽐如每个点的横坐标代表年份，纵坐标代表某个地区的房价，这样我们训练出的⽹络就具有了预测房价的功能！这就是⽣活中实际的回归问题，类似的问题还有很多，不过某些问题并不是靠⼀个输⼊决定的，所以如果没有合适的输⼊量，预测的房价可不会那么准确哦。
神经⽹络解决的第⼆类典型问题就是分类问题，它要求训练好的⽹络最后的输出为问题的分类，本⼩节就来简单介绍⼀下究竟什么是分类问题。
分类问题简单来说就是给我们的样本进⾏类别的划分，在我们的实际⽣活中经常会⾯临这类问题。例如我们会把猫和狗分成不同的类，具体到不同品种，猫和狗各⾃⼜会分不同的类型，这就是⼀种分类问题。
抽象成散点来说，如图7.17所⽰，我们可以将图中的散点按照坐标分为两类，两种类型分别⼤致分布
在各⾃的区域中。我们如果要解决这个分类问题，就要让训练好的⽹络具有两个输⼊节点，分别输⼊x坐标和y坐标；还要具有两个输出节点，输出分类编码。我们经常采⽤的分类编码在计算机学科中被称为独热编码（One-hot），⽐如如图7.17的散点分类中，我们⼀共分为两类，可以让输出10代表第⼀类，01代表第⼆类。推⼴到多分类上，我们可以让100代表第⼀类，010代表第⼆类，001代表第三类。
图7.17  散点分类
关于⼆分类问题的输出也可以不采⽤独热编码，可以只有⼀个输出，输出的范围在0~1之间，代表输⼊被认定为是第⼀类或第⼆类的概率，这种情况下，输出层的激活函数⼀般采⽤Sigmoid函数。
推荐阅读
北京⼤学出版社
《Python神经⽹络⼊门与实战》关于python的书
▼
本书从神经⽹络的基础知识讲起，逐步深⼊到Python进阶实战，通过对各种实⽤的第三⽅库进⾏详细讲解与实战运⽤，让读者不但能够更加深⼊地了解神经⽹络，⽽且能够简单⾼效地搭建⾃⼰的神经⽹络，即使没有专业背景知识也能轻松⼊门神经⽹络。
赠书福利
赠五本书给「王的机器」读者。所有读者慷慨留⾔，我将在所有留⾔中选出点赞最多的前 5 位，每⼈送书⼀本。统计截⽌时间为 2020 年12 ⽉ 12⽇零点。
如要购买此书请点击阅读原⽂。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。