正如大卫在评论中所说，如果你想解释一个模型，你可能想探索神经网络以外的东西。也就是说，如果您想直观地理解网络图，最好考虑图像（神经网络非常擅长）。

1. 最左边的节点（即输入节点）是您的原始数据变量。
2. 黑色箭头（和相关数字）是权重，您可以将其视为该变量对下一个节点的贡献程度。 蓝线是偏差权重。您可以在此处的出色答案中找到这些权重的用途。
3. 中间节点（即输入和输出节点之间的任何节点）是您的隐藏节点。这就是图像类比有帮助的地方。 这些节点中的每一个都构成了网络正在学习识别的组件。 例如鼻子、嘴巴或眼睛。当您处理非图像数据时，这不容易确定并且更加抽象。
4. 最右边的（输出节点）节点是神经网络的最终输出。

请注意，这一切都忽略了将应用于网络每一层的激活函数。