深度学习-【完整代码+数据集】基于全连接神经网络空气质量回归预测案例实现

作者主页：编程千纸鹤

作者简介：Java、前端、Python开发多年，做过高程，项目经理，架构师

主要内容：Java项目开发、Python项目开发、大学数据和AI项目开发、单片机项目设计、面试技术整理、最新技术分享

收藏点赞不迷路  关注作者有好处

文末获得源码

 本案例通全连接神经网络基于采集到的数据集来对空气质量进行回归预测，数据集可私聊博主免费获取

模型训练：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from keras.layers import Dense
from sklearn.model_selection import train_test_split
import keras

#解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

#导入数据集
dataset = pd.read_csv("data.csv")





# 绘制训练集和验证集的loss值对比
plt.plot(h