房屋價格擬合函數看成一個簡單的神經網絡

RELU函數（修正線性單元）

修正指 取不小于0的值

輸入面積，完成線性運算，取不小于0的值，最后輸出預測價格。（單神經元網絡）

大一點的神經網絡，把這些單個神經元堆疊起來形成，

基于房屋面積和臥室數量，估算家庭人口，

基于郵編，評估學校質量

家庭人口，步行化程度以及學校質量（x）都能幫助預測房價（y）

在監(jiān)督學習的環(huán)境下，只要嘗試輸入一個x即可把它映射為y。就像這個房價預測案例一樣。

神經網絡在非結構化數據上的成功，

媒體，

基于結構化數據的更好的廣告系統(tǒng)，更好的獲利建議，更好的能力去處理很多公司的海量數據庫，并預測未來趨勢

numpy向量說明

盡量把（5，）換成（5，1）

秩為1的數組

1x5的矩陣

向量外積

logistic回歸中得到z后，直接計算a

單隱藏層網絡

不算入輸入層，計算神經層數時

計算那四個等式，看成一個向量化的過程，四個隱藏層中的logistical回歸單元。前兩個

輸出層logistic回歸由后兩個算出

把整個訓練樣本都向量化

如何實現神經網絡

箭頭對應的節(jié)點用兩個步驟來計算

首先計算出Z值，然后計算出a值

首先用x表示輸入特征，還有參數w和b，計算出Z【1】，使用新的符號

上標方格來表示與這些節(jié)點相關的量，也就是‘層’

上標方括號2表示這個東西的相關量

使用上標方括號區(qū)分用來表示單個訓練樣本的圓括號

x（i）表示第i個訓練樣本