3.预测房价--回归问题
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