Neural Network 初步

Neural Network 基础理论

neural network 实际上是许多 LR 组成的网络。当neual network 层数特别多时，可以称为是 deep learning。

neural network 是 deep learning 的基础，而deep learning 又是 cnn 的基础。

使用 neural network 或者 deep learning neural network 的时候，同样是需要对训练数据进行特征提取，或者特征重构等操作的。但是当使用 cnn 的时候，可以直接把原始数据扔进去。 而cnn 主要解决一些区域相关性比较强的问题。所以还是需要知道特征提取，数据处理的常用方法以解决那些不能用cnn的问题。

neural network 的训练基础是 backpropogation。这个需要理论推导一下。

调包使用 neural network

from sklearn.neural_network import MLPClassifier
model = MLPClassifier(solver = 'lbfgs', alpha = 1e-5, hidden_layer_sizes = (30,10), random_state = 1, verbose = True)
model.fit(X,y)
model.predict(X)
model.predict_proba(X) # 输出预测的概率