ANN预测房价的简单代码示例

以下是一个简单的基于人工神经网络（ANN）的房价预测代码示例：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense

# 加载数据
data = np.loadtxt("housing.csv", delimiter=",", skiprows=1)

# 分割数据为训练集和测试集
train_X = data[:400, :-1]
train_y = data[:400, -1]
test_X = data[400:, :-1]
test_y = data[400:, -1]

# 创建模型
model = Sequential()
model.add(Dense(12, input_dim=13, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(1, activation='linear'))

# 编译模型
model.compile(loss='mse', optimizer='adam', metrics=['mse'])

# 训练模型
model.fit(train_X, train_y, epochs=50, batch_size=10)

# 评估模型
scores = model.evaluate(test_X, test_y)
print("%s: %.2f" % (model.metrics_names[1], scores[1]))

# 预测结果
predictions = model.predict(test_X)
print(predictions)

这个代码示例使用Keras库创建了一个有两个隐藏层的ANN模型，使用均方误差（MSE）作为损失函数，使用Adam优化器进行训练，并在测试集上进行了评估和预测。请注意，这个示例仅仅是一个简单的ANN预测房价的例子，实际上，ANN的性能与训练集和测试集的数据质量、特征工程等都有关系。