如何使用熊猫在Keras Sequential中指定要预测的输出

Question

我只是喀拉拉邦的初学者，我正在尝试学习回归。 我有一个这样的样本数据

      Type  Price    EPS   Worth     PE
11     1    309  42.57  174.31   7.54
12     1    246  15.48  166.85  21.06
13     1    245  16.51  129.41  15.75
14     1    214  14.45  147.11  15.86
15     1    213  11.71  137.87  19.98

我正在尝试预测价格。所以到目前为止，我要做的就是创建一个像这样的顺序模型

def build_model():
    model = Sequential()

    model.add(Dense(12,activation='relu',input_shape=(4,)))
    model.add(Dense(8,activation='relu'))
    model.add(Dense(1))

    model.compile(loss='mse',optimizer='adam',metrics=['mae','mse'])

    return model

然后尝试预测这样的值

example_batch = yo[:5]
model = build_model()
model.summary()
example_result = model.predict(example_batch)

yo是没有price

的数据框

    Type    EPS   Worth     PE
11     1  42.57  174.31   7.54
12     1  15.48  166.85  21.06
13     1  16.51  129.41  15.75
14     1  14.45  147.11  15.86
15     1  11.71  137.87  19.98

我的模型预测了值，但不是价格。因此，我的问题是如何根据所有其他信息指定要预测Price的模型。