k用eras库 波士顿房价预测
时间: 2023-06-30 08:15:51 浏览: 51
好的,我可以帮你回答这个问题。
首先,我们需要导入相关的库和数据集。可以使用以下代码:
```python
import numpy as np
import pandas as pd
from keras.models import Sequential
from keras.layers import Dense
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
# 加载数据集
boston = load_boston()
X = pd.DataFrame(boston.data, columns=boston.feature_names)
y = pd.DataFrame(boston.target, columns=['MEDV'])
# 数据归一化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)
```
接下来,我们可以定义模型并进行训练。这里我们使用一个包含两个隐藏层的全连接神经网络,代码如下:
```python
# 定义模型
model = Sequential()
model.add(Dense(64, input_dim=X_train.shape[1], activation='relu'))
model.add(Dense(32, activation='relu'))
model.add(Dense(1))
# 编译模型
model.compile(loss='mean_squared_error', optimizer='adam')
# 训练模型
model.fit(X_train, y_train, epochs=100, batch_size=32, verbose=0)
```
最后,我们可以对模型进行测试并计算均方误差(MSE)来评估模型的性能,代码如下:
```python
# 测试模型
y_pred = model.predict(X_test)
# 计算均方误差
mse = np.mean((y_pred - y_test.values)**2)
print("均方误差:", mse)
```
这样就完成了使用 Keras 库进行波士顿房价预测的过程。