数据回归算法 | MLP多层感知机回归预测

在开始构建MLP模型之前，首先需要对数据进行清洗。这一步骤非常重要，因为它有助于确保数据的质量和准确性。

首先，观察数据集的形状、列名称、前10行数据以及每一列中唯一值的数量。通过这些信息，我们可以了解数据集的概貌，并发现其中的问题。

输出数据集大小

print(“[Boston数据集大小：]\n{} rows and {} columns”.format(dataframe_one.shape[0], dataframe_one.shape[1]))

输出数据集各特征名称

print(“\n[数据集各特征名称]”)
print(dataframe_one.columns)

展示数据集前10行数据

print(“\n[数据集前10行数据]”)
print(dataframe_one.head(10))

显示每一列中唯一值的数量

print(“[每一列的唯一值]\n”)
print(dataframe_one.nunique())

接下来，我们需要处理缺失值。在本文中，我们将介绍如何找到缺失值并进行填充。此外，我们还将演示如何四舍五入数字数据以提高数据的可读性(本实验不需要四舍五入数字数据)。

print(“\n[缺失值填充前]------缺失值总数为{}”.format(dataframe_o