这里有一个简单易懂的AI训练例子。例子是训练出一条线型函数,通过500个已知结果的训练数据,不断调整一条sum = x * weight[0] + y * weight[1] + bias的公式参数得出weight[0]、weight[1]和bias的接近结果。
其中,一个关键的调整参数的方法如下:
this.weights[i] += this.learnc * error * inputs[i]; 
总的来说,训练过程如下:
	- 收集训练数据及结果。
 
	- 建立公式模型(感知器Perceptron)。如果最终结果不是线型关系,但我们的公式是线性的,那么怎么训练也不会有结果。
 
	- 构造反向传播算法(Backpropagation),以合适的速度修正权重参数值。
 
 
An ML model is Trained by Looping through data multiple times.
 
      
    
最新评论