用Python神经网络分析汽车保险支出

为新数据集开发神经网络预测模型可能具有挑战性。

一种方法是首先检查数据集并为可能使用的模型开发思路，然后探索数据集上简单模型的学习动态，然后最后使用健壮的测试工具为数据集开发和调整模型。此过程可用于为分类和回归预测建模问题开发有效的神经网络模型。

在本教程中，您将发现如何为瑞典汽车保险回归数据集开发多层Perceptron神经网络模型。完成本教程后，您将知道：

 如何加载和汇总瑞典汽车保险数据集，以及如何使用结果建议要使用的数据准备和模型配置。

 如何探索简单的MLP模型的学习动态以及数据集上的数据转换。

 如何开发出对模型性能的可靠估计，调整模型性能以及对新数据进行预测。

教程概述

本教程分为四个部分。他们是：

 汽车保险回归数据集

 首个MLP和学习动力

 评估和调整MLP模型

 最终模型和做出预测

汽车保险回归数据集

第一步是定义和探索数据集。我们将使用“汽车保险”标准回归数据集。该数据集描述了瑞典的汽车保险。只有一个输入变量，即索赔的数量，目标变量是以数千瑞典克朗为单位的索赔总额。目的是在给定索赔数量的情况下预测总付款额。

（编辑：ASP站长）

【免责声明】本站内容转载自互联网，其相关言论仅代表作者个人观点绝非权威，不代表本站立场。如您发现内容存在版权问题，请提交相关链接至邮箱：bqsm@foxmail.com，我们将及时予以处理。