使用keras框架编写三层神经网络解决房价预测问题

最近接触到了keras框架，因为需要做一些神经网络的实验。之前学过tensorflow框架，但是对于研究而言，这个框架确实上手难度比较大，即便是tensorflow的运算速度上要比keras高。
学习keras框架，我选择的书籍是《python深度学习》，因为我想研究的领域大多是一些拟合问题，所以第三章的前半部分大致读一下就略过了，重点放在了用于拟合问题的神经网络学习上，在书中给出的问题是：波士顿房价预测，房价预测也是吴恩达在讲述机器学习用于举例的第一个问题（为什么都喜欢用房价预测？）

数据集：

用的是keras自带的数据集，用代码即可加载。包含 506 个样本，分为 404 个训练样本和 102 个测试样本，每个样本13条属性，且都是连续值属性。

网络结构：

因为是讲解，选用3层bp神经网络，至于具体选用的优化器等参数，在程序的解释中会有。

评价指标：

网络损失值和绝对值误差

代码：

from keras import models
from keras import layers
import matplotlib.pyplot as plt
# 载入数据
from keras.datasets import boston_housing
(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data()
print(train_data.shape)
# 数据预处理，去均值和除标准差得到平均值为0和标准差为1
mean = train_data.mean(axis=