机器学习笔记 - 前馈神经网络(FFNN)用作回归问题的波士顿房价预测

        FFNN的历史可以追溯到1940年代，它是没有任何循环的网络。数据从输入到输出通过一次传递，而没有以前的任何“状态存储”。 从技术上讲，深度学习中的大多数网络都可以被认为是FFNN，但通常“ FFNN”是指其最简单的变体：紧密连接的多层感知器（MLP）。

        深度前馈网络（通常也称为前馈神经网络）或多层感知器（MLP）是典型的深度学习模型。前馈网络的目标是近似某个函数f *。 例如，对于分类器，y = f *（x）将输入x映射到类别y。 前馈网络定义映射y = f（x, θ）并学习参数θ的值，以得到最佳的函数逼近。

参考代码

# 波士顿房价预测

# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dropout, Flatten, Dense

# Commonly used modules 常用模块
import numpy as np
import os
import sys

# Images, plots, display, and visualization
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import cv2
import IPython
from six.moves import urllib


# 获取数据集
# 也可以自行下载 htt