实验室
交互 Lab模块四
神经网络游乐场
调节隐藏层神经元数量和学习率，亲眼观察决策边界如何变化。感受「模型容量」和「学习速度」对结果的影响。
隐藏层神经元：24816
学习率：0.010.030.10.3
训练步数：0准确率：0%
蓝色/红色背景显示网络的「决策区域」。调节隐藏层大小看看模型容量如何影响学习能力： 太少学不会（欠拟合），太多也浪费。学习率太高会震荡，太低收敛太慢。
你学到了什么
- 更多神经元 = 更大的模型容量，能拟合更复杂的模式
- 但神经元太多也可能过拟合——死记硬背训练数据
- 学习率太高会导致不收敛（震荡），太低收敛太慢
- 神经网络的本质：通过调整参数，把空间「切」成不同区域