Python神经网络编程学习笔记（一）

一、预测器（千米转换英里）

若简单机器接受了一个输入，并做出应有的预测，输出结果，所以我们将其称为预测器。我们根据结果与已知真实示例进行比较所得到的误差，调整内部参数，使预测更加精确。预测器的核心是有一个可调节的线性函数。

已知千米和英里之间存在线性关系：英里=千米×C，随机取C的值，目标为减少误差。

无需使用确切的方法计算出C值，采用持续细化误差的想法。我们尝试得到一个答案，并多次改进答案，这种方法也可称为迭代，意思是持续地、一点一点改进答案。

总结：

1.当我们不能精确知道一些事情如何运作时，我们可以尝试使用模型来估计其运作方式，在模型中，包括了我们可以调整的参数。如果我们不知道如何将千米转换为英里，那么我们可以使用线性函数作为模型，并使用可调节的梯度值作为参数。

2.改进这些模型的一种好方法是，基于模型和已知真实示例之间的比较，得到模型偏移的误差值，调整参数。

个人思考：预测器本身并不是为了得到精确的结果，而是通过比较