简单神经网络代码预测波士顿房价
时间: 2023-08-08 17:11:04 浏览: 50
当然,我可以帮你解决这个问题。以下是一个简单的神经网络代码,用于预测波士顿房价。这个代码使用了Keras库,并且使用波士顿房价数据集进行训练和测试。
```python
import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_boston
# 加载波士顿房价数据集
boston = load_boston()
X = boston.data
y = boston.target
# 数据归一化
X = (X - np.mean(X, axis=0)) / np.std(X, axis=0)
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 构建神经网络模型
model = Sequential()
model.add(Dense(64, activation='relu', input_shape=(X_train.shape[1],)))
model.add(Dense(64, activation='relu'))
model.add(Dense(1))
# 编译模型
model.compile(optimizer='adam', loss='mean_squared_error')
# 训练模型
model.fit(X_train, y_train, epochs=100, batch_size=32, verbose=0)
# 在测试集上评估模型
loss = model.evaluate(X_test, y_test)
print(f'Test loss: {loss}')
# 预测新的样本
new_sample = np.array([[0.00632, 18.0, 2.31, 0.0, 0.538, 6.575, 65.2, 4.0900, 1.0, 296.0, 15.3, 396.90, 4.98]])
prediction = model.predict(new_sample)
print(f'Predicted price: {prediction[0][0]}')
```
这段代码首先加载了波士顿房价数据集,并进行了数据归一化处理。然后,它将数据集划分为训练集和测试集。接下来,它构建了一个包含两个隐藏层的神经网络模型,并使用均方误差作为损失函数进行编译。然后,使用训练集训练模型,并在测试集上评估模型的性能。最后,它使用模型对新的样本进行价格预测。
希望这个代码对你有帮助!如果你有任何其他问题,请随时问我。