什么是是神经网络？
假如有6间房屋的数据集，已知房子的面积，单位是平方米或平方英尺，已知房子的价格。如果通过这6间房子的价格和房子的面积，预测房子的价格，首先要建立起一个数据模型 ，x轴为价格，y轴为房子面积的模型
用这些数据，来拟合一条直线，但是明白一点，价格不可能为负数，然后一条拟合直线出来了
这个预测房价的模型，是最简单的神经网络，这个图也叫做ReLU函数，修正线性单元，修正意思是取不小于0的值
然后我们输入房子面积x， 从这个小神经网络中得到输出价格y，中间的小圆圈，就是一个小的神经网络，上面的ReLU函数是这个小神经网络的图形逻辑展现
更复杂的神经网络是如何构建的？
都是由这些小神经网络堆叠而成，像中国长城，由一块一块青砖构建而成，也如三尺之冰，并非一日之寒所造成
还是以房子价格模型为例，假如我不仅仅只是知道了这套房子的面积，还获得了更多的信息可以影响房子的价格：
面积 size
卧室数量 bedrooms
家庭人数 family size
(依据家庭人数和卧室数量，决定选购房子的面积，不仅仅这些数据，有可能需要考虑的更多)
附近是否高度步行化：去学校、去便利店、去公司，是否可以步行解决还是要坐车，或骑自行车就能解决
附近学习资源的质量等等都或多因素都影响的房子的价格与购买期望
zip code 邮编 代表小区， walking代表小区的步行化程度，wealth财富 代表着小区的人文环境
x 表示输入特征数据，y表示房价，中间的部分全部交给神经网络去完成，我需要做的是只要输入x，就能获取y，获得预测的房子价格
每个特征值x1, x2, x3, x4，都连接中间的每个圆圈，在这个神经网络中，只有喂给它足够多x 和 y 相关的样本数据，从而计算x到y的 精准映射函数，
这个就是简单的神经网络模型，也叫做监督学习，同时需要输入特征值x 和输出 预测值y，进行大数据的训练，从而得到精确的神经网络模型