如何设计MLP神经网络来预测成本？

Question

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）设计神经网络。

网络应基于4个参数来预测汽车的总行驶费用： -每100公里的平均油耗（介于4.7和11.5之间） -汽车重量（700公斤至2300公斤之间） -乘车旅行的人数（2至4之间） -行程长度（10公里至8000公里之间）

另外，我知道乘车的总成本（这是输出）应该在100到40000之间。

我必须分析设计网络，而无需编写任何代码。目的是为了更好地了解MLP网络类型。

我设计了神经网络，它具有4个与列出的每个特征相对应的入口单元，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，我也不了解这些功能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来计算权重，但是由于这不是分类问题，所以我不确定如何向输出神经元拾取权重。

Answer 1

您可以从这里开始：https://www.kaggle.com/xgdbigdata/keras-regression-tutorial 在第2块中，您更改为

model = Sequential()
model.add(Dense(output_dim=2, input_dim=4, activation='relu'))
model.add(Dense(1))

Keras将负责体重和SGD。您除以max的每个功能都应该足够。例如，您可以在这里查看：https://datascienceplus.com/keras-regression-based-neural-networks/