python卷积神经网络回归预测_Python深度学习 3.6 预测房价：回归问题

这个回归问题依然五步走，但细节上有所不同：原始数据集的访问与处理(分配训练预测集、数据标准化……)

搭建网络

编译模型：优化器、损失函数、关注指标

模型训练与验证(这里使用K折交叉验证)

效果评估、预测

第一步：

查看原数据集

from keras.datasets import boston_housing

​

(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data()

>>> train_data.shape

(404, 13)

>>> test_data.shape

(102, 13)

>>> train_targets

array([ 15.2, 42.3, 50. ... 19.4, 19.4, 29.1])

数据标准化

mean = train_data.mean(axis=0)

train_data -= mean

std = train_data.std(axis=0)

train_data /= std

test_data -= mean

test_data /= std

用于测试数据标准化的均值和标准差都是在训练数据上计算得到的。在工作流程中， 你不能使用在测试数据上计算得到的任何结果，即使是像数据标准化这么简单的事情也不行。

第二步&第三步：

网络的最后一层只有一个单元，没有激活