一个多层神经网络-训练篇（part2）

背景知识要求

Python基础
Pandas库基础
Matplotlib库基础
sklearn库基础
机器学习-神经网络基础知识

摘要

本文使用上文的多层神经网络模型对链家的房源数据进行训练，对比单层神经网络模型，展示多层神经网络型的优越性。

正文

单层神经网络存在局限性

前文三篇文章是关于单层神经网络的：
第一篇——一个简单的3层神经网络模型part1，https://blog.csdn.net/qq_39206674/article/details/90204383
第二篇——一个简单的3层神经网络模型part2，https://blog.csdn.net/qq_39206674/article/details/90302038
第三篇——一个简单的3层神经网络模型part3（使用Sklearn MLPClassifier）——3层神经网络完结篇
由于在数据预处理方面存在问题，并且单层神经网络模型的数据拟合能力存在上限，导致模型在训练集上的精度在0.9左右，测试集的精度在0.75左右，即模型在数据集上的表现，存在高偏差（high bias）和高方差（high variance）问题。

多层神经网络

一些基本经验

模型训练前期我总结了一些基本经验，其实这些经验在很多机器学习的书中有介绍，我只是想亲自验证一下这些经验的正确性，此处只把验证的结论罗列一下:

1. 根据实际测试效果对比，本模型的梯度更新