神经网络如何进行预测

在我们得知如何将数据输入到神经网络以后，那么神经网络是如何根据这些数据进行预测的呢？ 问题来到，我们给训练好的神经网络一个图片，他如何告诉我们这张图片是一个什么。

预测的过程其实就是一个简单的公式 Z = WX + b（逻辑回归）； 我们拿单神经元来做说明：

请添加图片描述

z = (x1 * w1 + x2 * w2 + x3 * w3) + b w表示权重，它对应于每个输入特征，代表了每个特征的重要程度。b表示阈值[yù zhí]，用来影响预测结果。 权重是什么，比如你想分辨一个图片是不是一条狗，现在有毛发，耳朵，嘴巴，鼻子，眼睛，舌头等多个权重（公式中的x）。 你说是舌头权重大，还是毛发权重大？ 通过舌头这种明显的特征你能更好分辨这是一条狗不是？ 所以舌头占的权重大，就是这个意思。

那么我们假设最终结果z > 0.8 就说明这张图是一条狗，我们设置阈值b为-0.1，那么z最后如果加上这个阈值仍然大于0.8，输出这是一条狗！

其实我们日常生活中，浏览商店也是这样的一个过程，我们在哪一个商品停留时间长，搜索次数多，那么是不是给我们推荐这类商品就多呢？这其实就是因为套用了这样的一类公式，将我们停留时间长，搜索次数多的商品设置的权重大。如此才能更加贴合你的购物意愿。