7.1 导入数据集
7.2 定义神经网络输入层、隐藏层、输出层神经元个数
7.3 网络参数W和b初始化
7.4 正向传播过程
7.5 损失函数
7.6 反向传播过程
7.7 网络参数更新
7.8 搭建整个神经网络模型
7.9 模型训练
7.10 模型预测
7.11 隐藏层神经元个数对分类效果的影响
上一课主要介绍了最简单的二层神经网络模型，详细推导其正向传播过程和反向传播过程，对整个神经网络的模型结构和数学理论推导过程有了清晰的认识和掌握。
本章将带大家使用Python搭建一个神经网络模型来解决实际的分类问题。
为了简化操作，我们直接构造一批数据集