用sklearn和tensorflow做boston房价的回归计算的比较(2)--卷积神经网路CNN

既然sklearn已经足够简单高效，为啥要用卷积神经网络(cnn)呢，江湖传言它有两个大优势：

1、sklearn需要人工进行特征优选，cnn会进行自动优选特征

2、随着训练数据的增多，sklearn的准确性就没啥大变化了，cnn则是越来越准，没有瓶颈

说实在的就boston房价这个数据也就506行，13个特征(列)，对cnn来说实在太少了，没个10万行数据，都看不出它的优势；

另外cnn虽然不用人工特征优选，但是搭建它的拓扑结构实在是个难搞的事，最让人炸裂的是tensorflow的结构，真是让人费解，关于它的结构网上很多介绍，我就不说了，但是用cnn做回归计算的文章非常罕见，请点赞！上代码

本文链接：http://blog.csdn.net/baixiaozhe/article/details/54409966

#参考http://blog.csdn.net/jerry81333/article/details/52979206 周莫烦的系列视频教程，跪地推荐
import numpy as np
from sklearn import preprocessing
import tensorflow as tf
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
#波士顿房价数据
boston=load_boston()
x=boston.data
y