《Python神经网络编程》（1）

以下系列是对《Python神经网络编程》这本书的一些总结。

神经网络类似于一个简单的机器一样，给一个输入，然后经过一系列的运算最后给一个输出。尤其是经历了大量的训练集的熏陶之下，就可以用一些函数算法给之后这一类型的数据进行结果的预测，或者分类。

简单的预测器

假设有一个线性函数，它的输入是3的时候，输出是30，那么简单心算一下就知道它的系数是10。但是，如果不通过代数运算的话，我们可以猜一个数字，比如C（系数）等于5、这时候输出就是15（输入为3时）。与正常输入30差了15，这个15我们说作误差值。误差值=真实值-计算值

然后我们把系数调整到8，这样输出就是24，误差值明显比系数3的时候要好。按照这样的思想我们可以1慢慢的调整系数到我们可以接受一个范围。

通过这个简单的例子，可以知道神经网络的核心是训练机器使其越来越接近正确的输出。