深度学习数值分析即回归分析

我有类似于以下格式的csv数据，我想根据前两列特征预测得到第三列的数值

代码如下：

#coding=utf-8

from keras import models

from keras import layers

from sklearn import  preprocessing

from sklearn.model_selection import KFold

from keras.datasets import boston_housing

import numpy as np

import pandas as pd

 

train_xl = './t.csv'

val_xl = './v.csv'

data_train = pd.read_csv(train_xl)

train = data_train.head()

data_val = pd.read_csv(val_xl)

val = data_val.head()

 

#########################train####################

new_train = data_train

arr_mean1 = np.mean(data_train['feature1'])

arr_std1 = np.std(data_train['feature1'],ddof=1)

newdata1 = (data_train['feature1']-arr_mean1 )/arr_std1 

 

arr_mean2 = np.mean(data_train['feature2'])

arr_std2 = np.std(data_train['feature2'],ddof=1)

newdata2 = (data_train['feature2']-arr_mean2 )/arr_std2

 

new_train['feature1'] = newdata1

new_train['feature2'] = newdata2

 

#########################val######################

new_val = data_val

arr_mean1 = np.mean(data_val['feature1'])

arr_std1 = np.std(data_val['feature1'],ddof=1)

newdata1 = (data_val['feature1']-arr_mean1 )/arr_std1 

arr_mean2 = np.mean(data_val['feature2'])

arr_std2 = np.std(data_val['feature2'],ddof=1)

newdata2 = (data_val['feature2']-arr_mean2 )/arr_std2

new_val['feature1'] = newdata1

new_val['feature2'] = newdata2

train_data = new_train[['feature1', 'feature2']]

train_targets = new_train[['class']]

test_data = new_val[['feature1', 'feature2']]

test_targets = new_val[['class']]

print('the shape of train data is ',train_data.shape)

print('the shape of test data is ',test_data.shape)

print('the shape of train target is ',train_targets.shape)

 

train_data = train_data.values

train_targets = train_targets.values

test_data = test_data.values

test_targets = test_targets.values
 

def build_model():

    model = models.Sequential()

    model.add(layers.Dense(64,activation='relu',input_shape=(train_data.shape[1],)))

    model.add(layers.Dense(1)) 

    model.compile(optimizer='rmsprop',loss='mse',metrics=['mae'])

    return model

 

model = build_model()

model.fit(train_data,train_targets,epochs=100,batch_size=64)

test_pred = model.predict(test_data)

print(test_pred)

注：这是一个回归问题，不是分类问题啊，我的数据文件命名可能有歧义，代码没问题，也可以用别的回归方法试试对比下，还有岭回归、losso回归什么的很好找。

读数据的方法有点笨，看看就好，数据和代码都打包了一份，不需要数据就都不用下了，这就是一个简单的例子，后面有可能用到，所以先记录一下