应用深度神经网络预测学生期末成绩

• 基本思路：
  • 首先，将学生成绩（平时成绩x、期末成绩y：csv格式）装载；
  • 接着，将成绩数据标准化。（PS：虽然这里的成绩已经[0~100]之间了，本文是为了学习DNN，故不省略这一步）
  • 接着，将平时成绩x，期末成绩y进一步拆分（按比例，如20%）为训练数据和测试数据。PS：测试数据用来检验训练出的模型性能
  • 接着，创建DNN模型。依次设置一系列的参数。
  • 接着，训练模型（fit函数）。model1.fit(x_train, y_train)
  • 接着，评估模型性能。用测试集数据评估，还可以用训练集数据。 如果性能不好，则调参（第四步）
  • • 先设置DNN每层计算方式，先设置每个隐层、最后设置输出层
      + 隐层。设置参数：激活函数（Sigmoid、ReLU: Rectifier）、计算单元数量units
      + 输出层。Layer("Linear")
    • 学习速率： learning_rate=0.02
    • random_rate = 2019 : 用来再现相同的数据
    • 模型允许最大迭代次数：n_iter = 10