神经网络基础数学原理之一线性回归

本文旨在科普神经网络的基本原理，致力于让不同学历水平的读者都能理解其核心概念。尽管当前流行的框架如tensorflow让神经网络的使用变得简单，不过深入了解背后的原理能够帮助用户更好地进行模型构建、调优和排错。

文章计划通过一系列教程，介绍神经网络的基本组成部分，如输入样本、标签、神经元、网络结构、输出函数、正向传播、反向传播、损失函数、激活函数、梯度下降和学习率等。这些概念将通过数学推导和代码示例来阐释，以便读者能够理解神经网络是如何解决实际的分类问题。

1、线性回归

文章首先介绍线性回归的概念，即在不知道线性函数F(x)的具体形式时，通过一个近似函数f(x)来尽量贴近原函数F(x)。该部分通过一个简单的一元线性函数例子来说明如何寻找和应用近似函数。

想要了解更多内容？

查看原文：神经网络基础数学原理之一线性回归

文章来源：

老司机聊数据

扫码关注公众号