Machine learning 如何设计MLP神经网络来预测成本？
我正在努力学习机器学习的基础知识，我需要使用MLP（多层感知器）设计一个神经网络 网络应根据4个参数预测汽车行驶的总成本： -每100公里平均燃油消耗量（介于4.7和11.5之间） -汽车的重量（在700公斤和2300公斤之间） -随车出行人数（2至4人） -行程长度（10公里至8000公里） 此外，我知道骑乘的总成本（这里是输出）应该在100到40000之间 我必须分析性地设计网络，而不需要编写任何代码。目的是更好地了解MLP网络类型 我设计的神经网络有4个输入单元，对应于列出的每个特征，一个隐藏层由2个神经元和一个输出神经元组成 问题是我没有输入数据集，我不知道这些特性的范围将如何帮助我 在这种情况下，我应该使用随机梯度下降法计算权重，但由于这不是一个分类问题，我不确定如何向输出神经元拾取权重。您可以从这里开始： 你在第二座的什么地方换车Machine learning 如何设计MLP神经网络来预测成本？,machine-learning,artificial-intelligence,mlp,Machine Learning,Artificial Intelligence,Mlp,我正在努力学习机器学习的基础知识，我需要使用MLP（多层感知器）设计一个神经网络 网络应根据4个参数预测汽车行驶的总成本： -每100公里平均燃油消耗量（介于4.7和11.5之间） -汽车的重量（在700公斤和2300公斤之间） -随车出行人数（2至4人） -行程长度（10公里至8000公里） 此外，我知道骑乘的总成本（这里是输出）应该在100到40000之间 我必须分析性地设计网络，而不需要编写任何代码。目的是更好地了解MLP网络类型 我设计的神经网络有4个输入单元，对应于列出的每个特征，一个
model = Sequential()
model.add(Dense(output_dim=2, input_dim=4, activation='relu'))
model.add(Dense(1))