第三章 神经网络入门

下面展示一些 内联代码片。

""" 
预测房价--回归问题  
"""
# 1.价值波士顿房价数据
from keras.datasets import boston_housing
(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data()     # 切分数据
print(train_data.shape)              # 2D连续型数据(404, 13)
print(test_data.shape)
print(train_data.shape[1])           # 特征数量13
print(train_targets.shape)

# 2.准备数据：数据标准化(对特征)
mean = train_data.mean(axis=0)   # 平均值  0代表列的计算，1代表行的计算
train_data -= mean
std = train_data.std(axis=0)     # 标准差
train_data /= std                # 标准化

test_data -=mean            # 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到的 
test_data /=std


# 3.构建网络：定义模型
from keras import models
from keras import layers

def build_model():
    model = models.Sequential()             # 因为需要将同一个模型多次实例化，所以用一个函数来构建模型
    model.add(layers.Dense(64, activation='relu', input_shape=(train_data.shape[1],)))
    model.add(layers.Dense(64, activation='relu'))
    model.add(layers.Dense(1))              # 无激活函数，标量回归的典型设置
    
    model