1. 一个模型的典型场景

对用户咨询的法律问题做自动归类：

婚姻纠纷、劳动纠纷、合同纠纷、债权债务、房产纠纷、交通事故、医疗纠纷、版权纠纷

2. 模型就是一个数学公式

我们一般将这样的问题描述为：给定一组输入数据，经过一系列数学公式计算后，输出n个概率，分别代表该用户对话属于某分类的概率

举个非常简单的例子：

3. 万金油公式 - 神经网络

确定数学公式的过程

1、公式：y = ax + b

2、参数：a = 50， b = -100

真实场景的任务，人类搞不定

神经网络的公式结构

MNIST（Mixed National Institute of Standards and Technology database）

包含了70,000张手写数字的图像，其中60,000张用于训练，10,000张用于测试，每张图像的内容只包含一个手写数字，从0到9的其中一个数字。

任务：给定一张28x28像素的灰度图像，经过一系列数学公式计算后，输出10个概率，分别代表该图像中的内容是0-9某个数字的概率

划重点：

1. 这种在输入向量x和输出向量y之间，增加了一层z向量， 并且用上述格式的计算公式去计算z向量和y向量中的每一个数值的结构， 就叫做神经网络。

神经网络的参数设计

1、我可能会这样设计：设定z向量的长度为7