input_data = data.iloc[:, :12].values #获取Excel文件中第1列到第12列的数据 output_data = data.iloc[:, 12:].values 获取完数据，数据是怎么样训练的

获取完数据后，接着使用 MinMaxScaler 类对数据进行归一化处理，目的是将数据缩放到 0 到 1 之间的范围内，这是神经网络训练所需的标准化处理。然后使用 train_test_split 函数将数据分为训练集和验证集，其中 test_size 参数指定验证集所占的比例，random_state 参数指定随机数种子，以确保每次随机划分得到的训练集和验证集都相同。接下来使用 Keras 库中的 Sequential 类定义神经网络模型，其中包含了 4 个 Dense 层，分别是 10 个节点、10 个节点、10 个节点和 8 个节点，激活函数分别为 LeakyReLU 和 linear。然后使用 compile 方法编译模型，指定优化器、学习率和损失函数。定义了学习率衰减函数，使用 LearningRateScheduler 类将其作为回调函数传入 fit 方法中。最后使用 fit 方法训练模型，并将训练过程的历史记录保存在 history 变量中。在训练过程中，模型会根据训练集和验证集的数据进行梯度下降优化，不断调整权重和偏置，以最小化损失函数，从而提高模型的准确率。