15、神经网络与深度学习：从H2O到自动编码器的全面探索

神经网络与深度学习：从H2O到自动编码器的全面探索

1. 神经网络与H2O平台

1.1 神经网络隐藏层与决策边界

在神经网络中，随着隐藏层的增加，我们能够学习到越来越复杂的决策边界。有趣的是，两层的神经网络往往能产生最准确的预测，但每次运行的结果可能会有所不同。

1.2 H2O平台介绍

传统的神经网络虽然高度向量化，但计算成本仍然很高。在桌面计算机上，除了使用Theano和GPU计算，很难让算法更具扩展性。而H2O是目前唯一能快速运行深度学习算法的开源离核平台，它具有跨平台性，除了Python，还提供R、Scala和Java的API。

H2O基于Java平台编译，可用于数据处理和机器学习等多种数据科学相关任务。它在分布式和并行CPU的内存中运行，数据会存储在H2O集群中。目前，H2O平台可应用于广义线性模型（GLM）、随机森林、梯度提升机（GBM）、K均值、朴素贝叶斯、主成分分析、主成分回归以及深度学习等。

1.3 H2O平台操作步骤

1.3.1 启动H2O实例并查看集群信息

import sys  
sys.prefix = "/usr/local"
import h2o  
h2o.init(start_h2o=True)  
h2o.cluster_info()

运行上述代码后，会输出集群的相关信息，如下所示：

Java Version: java version "1.8.0_60"
Java(TM) SE Runtime E