TensorFlow游乐场官网http：//playground.tensorflow.org(国内需要梯子才能访问)
游乐场的神经网络结构有三层，第一层为输入层，输入的是特征向量（描述问题特征的向量，特征向量的提取对机器学习的效果十分重要），代表特征向量中每一个特征的取值。同一层的节点不会相连，而且每一层只和下一层链接（有的是跨层连接），直到最后一层作为输出层得到计算结果。在输入层与输出层之间是隐藏层，是神经网络的主体结构。
通过游乐场可发现，使用神经网络解决分类问题主要有四个步骤：
- 提取问题中实体的特征向量作为神经网络的输入
- 定义神经网络的结构，并定义如何从神经网络的输入得到输出（隐藏层）
- 通过训练数据来调整神经网络中参数的取值（神经网络的训练过程）
- 使用训练好的神经网络来预测未知数据