可视化展示神经网络是如何将分类正确率提升的

主旨

这篇从可视化的角度形象说明神经网络到底如何提升分类正确率，不会涉及数学推导和模型原理，目的在于帮助读者建立神经网络对数据处理的形象化概念。

备注

这篇最初发表于我的知乎专栏：程序员深度学习笔记，结合知乎发表后到现在这两天的思考，在原文基础上有删改，并加入了更多的插图。

这篇文章的数据和程序涉及到我目前进行的工作，因此无法提供参考代码和数据。

问题背景

N个64维向量，其标签分为两类，记为类别1和类别2，类别1以红色表示，类别2以蓝色表示。

使用PCA技术，将64维向量的3个最强主成分抽取出来，绘图得到如下结果

从中可以看出两点特征，

1. 除了一个维度的坐标范围是[4,8.5]，其余两个维度坐标范围都在1e-15及以下，说明原始数据的主成分集中在一维，分类难度大
2. 红色和蓝色混杂分布，不易区分

其中第一点可以进一步图形化说明，将PCA降维之后强度最强的一个维度的分布画出来，如下所示。这里为了避免红