神经网络的基础

1、房屋预测神经网络的搭建

F03BF8D7-D495-4CB2-A73F-3F547C5AB292.png

房价预测--简单的神经网络的理解：
第一部分为输入层：即房屋的的一些特征，比如size大小，bedrooms厅数，zip code邮政编码， wealth富裕程度。
第二部分为隐藏层：每个节点都和每个输入特征全连接，
第三部分为输出层：最终需要得出房屋的价格预测
通过监督学习的方式，足够多的训练集合(X,Y)，其中X为房屋的特征向量，Y为房屋的价格集合。最终得到x-->y的对应关系

2、神经网络的应用

1、房屋价格预测和广告点击等。应用的是标注神经网络
2、图片识别，CNN积卷神经网络

3、音频数据，序列数据一般使用RNN,循环神经网络，还有自然语言处理都是序列数据，RNNs
下图为常用神经网络的架构图

549CFF8E-55EE-42E8-B9C4-C1DEA5078928.png
4、机器学习被应用于结构化的数据和非结构化的数据。结构化数据比如房屋的特征，非结构化数据如：音频数据（应用：语音转文字）、图片数据(图片识别)、文字数据(自然语音处理)

3、提升神经网络

1、训练一个更大的神经网络（网络规模太大，需要训练的时间太久）
2、增加数据量，（一般只能在一定程度上起作用）
3、算法优化，比如sigmoid激活函数用relu来替代。可以加快学习的速度。