本文主要介绍使用keras来做房屋价格预测。
示例代码:
from keras.datasets import boston_housing
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
from keras import backend as K
import matplotlib.pyplot as plt
(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data()
'''
我们有404个训练样本和102个测试样本。 该数据包括13个功能。 输入数据中的13个功能如下
#1。人均犯罪率。
#2。占地面积超过25,000平方英尺的住宅用地比例。
#3。每个城镇非零售业务占比的比例。
#4。Charles River虚拟变量(如果管道限制河流则= 1;否则为0)。
#5。一氧化氮浓度(每千万份)。
#6。每个住宅的平均房间数。
#7。1940年以前建造的自住单位比例。
#8。到波士顿五个就业中心的加权距离。
#9。径向高速公路的可达性指数。
#10。每10,000美元的全额物业税率。
#11。城镇的学生与教师比例。
#12. 1000 *(Bk - 0.63)** 2其中Bk是城镇黑人的比例。
#13.人口状况较低。
#
#目标是自住房屋的中位数,以千美元计算:
'''
print(train_data.shape)
print(train_targets)
'''
将神经网络输入所有采用不同范围的值都是有问题的。 网络可能能够
自动适应这