独家 | 手把手教你用Python创建简单的神经网络（附代码）

作者：Michael J.Garbade

翻译：陈之炎

校对：丁楠雅

本文共2000字，建议阅读9分钟。
本文将为你演示如何创建一个神经网络，带你深入了解神经网络的工作方式。

了解神经网络工作方式的最佳途径莫过于亲自创建一个神经网络，本文将演示如何做到这一点。

神经网络(NN)又称人工神经网络(ANN)，是机器学习领域中基于生物神经网络概念的学习算法的一个子集。

拥有五年以上经验的德国机器学习专家Andrey Bulezyuk声称：“神经网络正在彻底改变机器学习，因为它们能够在广泛的学科和行业中为抽象对象高效建模。”

人工神经网络基本上由以下组件组成：

• 输入层：接收并传递数据

• 隐藏层

• 输出层

• 各层之间的权重

• 每个隐藏层都有一个激活函数。在这个简单的神经网络Python教程中，我们将使用Sigmoid激活函数。

神经网络有多种类型。在本项目中，我们将创建前馈或感知神经网络。这种类型的ANN直接将数据从前向后传递。

前馈神经元的训练往往需要反向传播，它为网络提供了相应的输入和输出集。当输入数据被传送到神经元时，经过处理后，产生一个输出。

下面的图表显示了一个简单的神经网络的结构：

了解神经网络如何工作的最佳方法是学习如何从头开始构建神经网络(而不是采用任何库)。

在本文中，我们将演示如何利用Python编程语言创建一个简单的神经网络。

问题

如下是一个展示问题的表格。

我们将提供一个新的数据集，利用它训练神经网络，从而能够预测正确的输出值。

正如上表所示，输出值总是等于输入部分中的第一个值。因此，我们期望输出的值为1。