我是机器学习和神经网络的新手。我知道如何构建非线性分类模型，但我当前的问题是连续输出。我一直在寻找有关神经网络回归的信息，但我遇到的只是 上的信息。线性 回归 - 无关 非线性 案件。这很奇怪，因为为什么有人会使用神经网络来解决简单的线性回归问题？这不就像用核弹杀死一只苍蝇吗？
所以我的问题是:是什么使神经网络非线性？ (隐藏层？非线性激活函数？)还是我对“线性”这个词的理解完全错误——线性回归神经网络能否准确地模拟比 y=aX+b 更复杂的数据集？ “线性”这个词是否与“逻辑”的反义词一样使用？
(我打算使用 TensorFlow，但 TensorFlow 线性模型教程以二元分类问题为例，所以这对我也没有帮助。)
最佳答案
首先，神经网络可以模拟任何函数(不仅仅是线性函数)看看这个 - http://neuralnetworksanddeeplearning.com/chap4.html .
神经网络具有非线性激活层，这就是神经网络具有非线性元素的原因。
用于关联输入和输出的函数由神经网络及其获得的训练量决定。如果您提供两个具有线性关系的变量，那么只要您不过度拟合，您的网络就会学习到这一点。同样，一个足够复杂的神经网络可以学习任何函数。
关于neural-network - 线性与非线性神经网络？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41244421/