分类和回归之间的区别在于，分类输出一个/多个类的预测概率，而回归提供一个值。我们可以通过简单地改变最后一层的激活函数来输出一个值来让神经网络输出一个值。

通过改变sigmoid、relu、tanh等激活函数。我们可以使用一个函数（）。因此，虽然反向传播只是简单地推导出$f(x) = x$$f(x)$

为了说明，我将在下面为您提供单层神经网络回归的前向和后向传递：

前向传递： $inputs -> x$

$weights input to hidden -> w1$

$weights hidden to output ->w2$

$z2 = w1*x$

$a2 = sigmoid(z2)$

$z3 = w2*a2$

$a3 = f(z3)$

向后传球：

$targets -> Y$

$f(x) = x -> f'(x) = 1$

$sigmoid'(x) -> sigmoid(x)(1-sigmoid(x))$

$d3 = Y - a3$

$d2 = w2*d3$

$w2' = a2*d3$

$w1' = d2*a2'*x$

这里的 d3 和 d2 是层级错误。

请确保在代码中为上述方程实现时正确处理尺寸。