🎯 核心目标:找到最佳w和b!
上期咱们聊了神经网络就是复杂的"线性变换+激活函数套娃",今天的重头戏就是:怎么算出让模型完美拟合数据的w(权重)和b(偏置)!先从最简单的线性函数说起,一步步揭开神秘面纱
那么如何计算w和b呢?首先明确我们需要的w和b能够让函数的结果更接近真实数据。
📏 什么样的参数才算"好"?
答案超简单:预测值(yhat)越接近真实值(y)越好!就像画一条直线穿过散点,直觉上"贴得越近"的线肯定拟合得更好嘛
对于以下数据,我们可以看出显然第一个拟合的更好。
真实数据值为