基于Keras定义的简单的神经网络

一、基本概念

 1.1.1感知机

• 感知机 (Perceptron)是二分类的线性分类模型；
• 其输入为实例的特征向量，输出为实例的类别，取+1和-1；
• 感知机对应于输入空间(特征空间)中将实例划为正负两类的分离超平面，属于判别模型；
• 感知机的作用就是找到一个分离超平面，使数据能够正确分为两类；
• 感知机预测是用学习得到的感知机模型对新的输入实例进行分类，是神经网络与支持向量机的基础。

1.1.2数学定义

数学上对感知机进行如下定义：

• 其中wx+b定义了一个超平面，可以不断改变权重w和偏差b来改变它的位置；
• 当x位于直线上方则结果为正，反之为负；
• 感知机不能表示非确定性的答案，实际应用中通过不断地训练，不断改变w和b来使结果更加准确。

1.2.1多层感知机

• 由单个神经元组成的感知机是指具有单一线性层的模型，无法解决非线性问题；
• 将多