1、用到的模块包括numpy、sklearn、matplotlib、scipy，请自行安装。
安装完成之后，在编译器里面加载下列模块：
import numpy as np
from sklearn import datasets, linear_model
import matplotlib.pyplot as plt
2、用make_moons构造一个点集，并画出散点图：
X,y = datasets.make_moons(365,noise=0.20)
make_moons是一个内置模型。
点集分为两种颜色，我们希望尽可能好的分开两种颜色。
3、做一个线性回归模型，用直线把点集分开。
分类效果很差，说明这个点集不适合使用线性回归模型。
4、下图里面的代码，是为了构造一个神经网络，写出的一些自定义函数。
5、然后，构造一个3层的神经网络：
model = build_model(3,print_loss=True)
运行，开始训练，训练20000次，但是我们只查看前5000次的损失，且每隔1000次查看一下。
6、最后，画出最终分界线：
Plot(lambda x:predict(model,x))
plt.title("Nonliear Model")
plt.show()
