您可以使用 keras 轻松创建这样的模型。跟着这些步骤。

数据探索

在构建机器学习模型之前，您必须先探索您的数据。一种方法是使用库将数据可视化为图形。您可以使用该工具pandas-profiling

https://towardsdatascience.com/exploring-your-data-with-just-1-line-of-python-4b35ce21a82d

探索数据时要寻找的点

您应该寻找以下内容：

• 标签和输入特征的分布
• 输入特征和标签的范围
• 缺少标签或输入功能
• 楠论值
• 异常值

您应该注意它们并使用适当的数据清理或过滤方法来清理它们。例如，Nan 或缺失值可以用 0 代替，异常值将被删除。输入特征也可以被归一化。

构建模型

Keras 是构建机器学习模型的简单工具。关于如何构建基本的 MLP（多层感知器），您可以参考示例代码和资源。

https://machinelearningmastery.com/tutorial-first-neural-network-python-keras/

实验

创建基本模型后，您可以开始尝试以下内容：

• 不同的模型结构，例如添加层和更改隐藏层大小
• 不同的优化器
• 不同的超参数，如学习率和批量大小
• 不同的输入功能

随着您的前进，您将获得更多的经验。有很多方法可以提高模型的性能。

当心

以下是需要注意的事项：

• 如果您的模型不起作用，请不要担心。尝试其他方法或调整参数，直到它起作用。
• 如果测试损失变得非常高，而训练损失很低，您可以添加 dropout 以防止这种情况发生。这称为过拟合。

希望我能帮助你，玩得开心！