使用Keras搭建基于误差反向传播的神经网络（回归问题）

引入numpy库，并以np为其别名
引入pandas库，并以pd为其别名
引入matplotlib模块中的pyplot子模块，并以plt为其别名
从sklearn导入数据集和预处理工具包
使用sklearn模块中的train_test_split函数进行数据集划分
引入keras的顺序模型框架
引入keras中的全连接层

import warnings
warnings.filterwarnings('ignore')

#读取数据
dataset = datasets.load_boston()
X,Y = dataset.data,dataset.target

使用预处理库中的缩放器对特征进行归一化处理：
通过sklearn.preprocessing.MinMaxScaler算法实现特征值在0到1之间归一化。
首先对x变量应用缩放器进行拟合变换矩阵。
对y变量同样应用缩放器，并将其重塑为单列向量后再进行拟合变换矩阵。
利用train\_test\_split方法将数据集按8:2的比例随机分割为训练集和测试集。
计算输入特征的维度数为...

**print('--------------------')
建