0 基礎

實體：一個實際問題中的具體物件，如一個零件，一個茶杯，一本書等。

特徵向量（feature vector）：所有用於描述實體的數字的組合就是一個實體的特徵向量。對應一個空間（1維到n維）中的點。

特徵提取：獲取實體的特徵向量的過程。

1 TensorFlow遊樂場

連結：http://playground.tensorflow.org

功能：通過網頁視覺化的訓練簡單的神經網路。

頁面截圖：

    |- DATA：訓練資料

    |- FEATURES：特徵向量

    |- HIDDEN LAYERS：網路深度（隱藏層深度）

    |- OUTPUT：輸出影象

    |- Epoch：迭代次數

    |- Learning rate：學習率

    |- Activation：啟用函式

    |- Regularization：正則化

    |- Regularization rate：正則化率

    |- Problem type：問題型別

    |- 顏色說明：黃色越深，表示負的越厲害；藍色越深，表示正的越厲害；白色表示“0”。

2 神經網路解決分類問題的步驟

    |- 1.提取特徵向量

    |- 2.定義神經網路結構

    |- 3.訓練神經網路，得到更好的神經網路引數

    |- 4.使用神經網路來預測未知資料