先说一下自己对于神经网络的理解

1、一元线性回归

首先说 一元线性回归

已知 x， y，通过算法探求 x->y 的规律，也就是计算 a，b的 值。 常用的算法 最小二乘法

2、多元线性回归

已知 x， y，通过算法探求 x->y 的规律，也就是计算 各个β，ε的 值。 常用的算法 最小二乘法

看到这里，大家发现了吗 多元回归 比 一元归回参数更多了。多元归回实际意义更大，因为现实世界影响结果的因素更加多。

3、还可不可以更复杂一些呢？

多项式归回！

大家注意到，计算的复杂度又增加了，参数又增多了。

4、还可不可以再复杂一些呢？

重点：

以上图的 二元回归为例。如果参数 β1 本身 是由一个 线性方程！ 线性方程！ 线性方程！ （重要的事情说三遍！） 构成的，是不是可以更加 精确描述一个模型！

如果 β1 是由一个线性方程构成的，那么 像什么？ 矩阵！ 就是把 参数由一行的变成多行！

这样就可以先理解什么是神经网络了。至于算法是什么，我们后面再议。

神经网络讲得最简单直观的一篇文章，感谢 简书的墨功科技
墨攻科技
30分钟讲清楚深度神经网络