image.png
1、这是一个两层的神经网络，也可以叫做的模型；
2、这里面包含四个输入𝑥_(1 ),𝑥_2,𝑥_3,𝑥_4,对应于英文的nlp模型可以理解为每个单词或词组；
3、Hidden unit层的圆圈代表感知机，一个感知机相当于大脑的一个神经细胞；
4、最后的输出y，对应于分类的模型就是分类的类别。
训练过程中
输入的单词𝑥在进入感知机后，如果输出预测类别𝑦和真实的类别𝑦有差距，模型会对感知机内部的参数进行调整，使得预测的𝑦和真实值𝑦不断接近。 因为模型每次调整不会一部到位，而是调整小量的值（预防调整过头）。所以我们需要一定量带有真实类别y数据和时间来训练模型。 现实生活中进行的分类一般不只一类，一句话也不只4个单词。对应这样的工程就需要大量的数据集来训练模型。
要达到高性能水平，必须考虑两件事：
1、能够训练足够大的神经网络 ；
2、大量标记数据。
