Introducción a Redes Neuronales

Imaginemos que tenemos un conjunto de datos de seis viviendas, donde conocemos el tamaño y el precio de cada vivienda, y queremos ajustar un modelo para predecir el precio de cualquier vivienda a partir de las seis conocidas. Si graficamos el ejemplo:

Un modelo de regresión simple ajustaría una línea recta que podríamos corregir para evitar tener precios negativos:Y esto no es ni más ni menos que una red neuronal (la red más sencilla que existe). El input de la red neuronal sería el tamaño de la vivienda (x), que va a un nodo (el modelo que hemos dibujado, línea negra) y del nodo sale el precio estimado (y). El nodo sería una neurona de la red neuronal:  La función que vale cero hasta un punto y a partir de ahí sale la línea recta en diagonal, se denomina función ReLU (Rectified Linear Unit). Rectified es precisamente porque hemos rectificado el modelo llevándolo a cero y no dejando que tome valores negativos):