1、房屋預測神經網絡的搭建
F03BF8D7-D495-4CB2-A73F-3F547C5AB292.png
房價預測--簡單的神經網絡的理解：
第一部分為輸入層：即房屋的的一些特征，比如size大小，bedrooms廳數，zip code郵政編碼， wealth富裕程度。
第二部分為隱藏層：每個節點都和每個輸入特征全連接，
第三部分為輸出層：最終需要得出房屋的價格預測
通過監督學習的方式，足夠多的訓練集合(X,Y)，其中X為房屋的特征向量，Y為房屋的價格集合。最終得到x-->y的對應關系
2、神經網絡的應用
1、房屋價格預測和廣告點擊等。應用的是標注神經網絡
2、圖片識別，CNN積卷神經網絡
3、音頻數據，序列數據一般使用RNN,循環神經網絡，還有自然語言處理都是序列數據，RNNs
下圖為常用神經網絡的架構圖
549CFF8E-55EE-42E8-B9C4-C1DEA5078928.png
4、機器學習被應用于結構化的數據和非結構化的數據。結構化數據比如房屋的特征，非結構化數據如：音頻數據（應用：語音轉文字）、圖片數據(圖片識別)、文字數據(自然語音處理)
3、提升神經網絡
1、訓練一個更大的神經網絡（網絡規模太大，需要訓練的時間太久）
2、增加數據量，（一般只能在一定程度上起作用）
3、算法優化，比如sigmoid激活函數用relu來替代。可以加快學習的速度。
