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.
For each iteration, Weights and Bias values are adjusted.
Training is complete when the iterations fails to Reduce the Cost.
评论