【图解深度学习】【章节：1-1.4 | 神经网络实战】连小学生都能看懂的深度学习基础总结

---

💁 这应该是本站最好的人工智能资料库

👋 本文由 EasyAI 原创，首发于 优快云🙉

⌚️ 欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！

😎未来很长，值得我们全力奔赴更美好的生活✋

---

神经网络总结

1. 图像由数字组成
2. 将数字一一放入NN的输入神经元
3. 最大的输出神经元就是判别结果
4. 通过显示多个图像来更新权重
5. NN可以做出理想的预测！

创建神经网络

介绍

到目前为止，我们已经学习了神经网络的基础知识。现在，让我们从这里使用 Python 实际创建一个简单的人工智能。

这次的目的是为了描绘出人工智能发展的全貌。

注意事项

这一次，会出现很多“模型”、“训练数据”等技术术语。

虽然在文章中简要解释了这些词，但在后面的章节中会详细解释这些词。

首先，让我们通过意识到人工智能实际上可以被创造出来，来想象一下人工智能发展的整体氛围。

如果您不了解它的工作原理或您的想法，也没关系。

一旦你对它的含义有了一个模糊的概念，让我们从下一章详细研究这个词的含义来加深你的理解。

目标听众

那些想学习机器学习、神经网络和深度学习的人

以某种方式了解 Python 的人

我们要学习的

神经网络基础知识
如何制作Ai分类

如果每个人的理解都进步了一步，我会很高兴。

准备

我使用一个名为 scikit-learn 的库。通过在终端中运行以下命令来安装它。

# 安装库
pip install sklearn

整体图

首先，让我们看一下整个程序。

# clf.py
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neural_network import MLPClassifier

iris = datasets.load_iris()
data_train, data_test, target_train, target_test = train_test_split(iris.data, iris.target)
clf = MLPClassifier()
clf.fit(data_train, target_train)
print(clf.score(data_test, target_test))

# 结果
0.9736842105263158