神经网络简介 神经网络就是可以通过收集大量的数据集，然后将这些数据集进行训练后得到几个较为准确的参数，因为我们这里用到的是较基础的线性回归方程，训练数据集后会得到两个参数，当损失率越小，那么测试集得到的数据就越准确。

线性回归方程大家一定不陌生吧，在神经网络深度学习中线性回归方程是需要掌握的最基础的式子，就是：y=wx+b,其中w,b是未知的。 回归问题可以大致分为三类： Liner Regression 线性回归方程分类 Logistic Regression 二分类，结果只有两种可能 Classification 多分类

训练数据集，得到较准确参数原理 这里我们先设一个线性回归方程的模型，y=wx+b，然后，w,b的话初始值可以将其均赋值为0即可。 训练数据集时，我们可以先用均方误差算出loss损失函数：

w=w-lr*(w对loss求偏导) b同上 然后再让w,b进行多次迭代，求出w,b的最优值。 接下来，得到最优参数后我们就可以用测试集来对它进行检验即可。