第2节 如何计算神经网络的参数：AI入门核心逻辑详解
🎯 核心目标：找到最佳w和b！
上期咱们聊了神经网络就是复杂的"线性变换+激活函数套娃"，今天的重头戏就是：怎么算出让模型完美拟合数据的w（权重）和b（偏置）！先从最简单的线性函数说起，一步步揭开神秘面纱
那么如何计算w和b呢？首先明确我们需要的w和b能够让函数的结果更接近真实数据。
📏 什么样的参数才算"好"？
答案超简单：预测值（yhat）越接近真实值（y）越好！就像画一条直线穿过散点，直觉上"贴得越近"的线肯定拟合得更好嘛
对于以下数据，我们可以看出显然第一个拟合的更好。
真实数据值为