五、回归问题 (预测房价)

分类问题，其目标是预测输入数据点所对应的单一离散的标签。
回归问题，它预测一个连续值而不是离散的标签。

加载波士顿房价数据

from keras.datasets import boston_housing
(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data()

train_data.shape
(404, 13)
test_data.shape
(102, 13)

我们有 404 个训练样本和 102 个测试样本，每个样本都有 13 个数值特征，比如人均犯罪率、每个住宅的平均房间数、高速公路可达性等
目标是房屋价格的中位数，单位是千美元。

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

数据标准化

将取值范围差异很大的数据输入到神经网络中，这是有问题的。网络可能会自动适应这种取值范围不同的数据，但学习肯定变得更加困难。对于这种数据，普遍采用的最佳实践是对每个特征做标准化，即对于输入数据的每个特征（输入数据矩阵中的列），减去特征平均值，再除