python实现神经网络预测房价_[Deep-Learning-with-Python]基于Keras的房价预测

预测房价：回归问题

回归问题预测结果为连续值，而不是离散的类别。

波士顿房价数据集

通过20世纪70年代波士顿郊区房价数据集，预测平均房价；数据集的特征包括犯罪率、税率等信息。数据集只有506条记录，划分成404的训练集和102的测试集。每个记录的特征取值范围各不相同。比如，有01,112以及0~100的等等。

加载数据集

from keras.datasets import boston_housing

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

训练集形状：

>>> train_data.shape

(404, 13)

测试集形状：

>>> test_data.shape

(102, 13)

训练集404条，测试集102条；每条记录13个数值特征。

房价单位为1000美元。

>>> train_targets

[ 15.2, 42.3, 50. ...19.4,19.4,29.1]

房价范围在$10,000到$50,000。

准备数据

因为数据各个特征取值范围各不相同，不能直接送到神经网络模型中进行处理。尽管网络模型能适应数据的多样性，但是相应的学习过程变得非常困难。一种常见的数据处理方法是特征归一化normalization---减均值除以标准差；数据0中心化，方差为1.

mean = train_data.mean(axis=0)

t