NNregression

普通单层神经网络回归模型函数（训练+使用 ）

先使用train.py

单隐藏层训练模型函数

训练函数： train(x, y, n, epoch_max, lr, mod=F.relu)
使用方法：
x: 特征属性,例：
x = [[1,2,3],[2,3,4]] ([x1,x2]), x1=[...], x2=[...]
y: label，标签，目标属性
y = [1,2,3] y = [...]

x1 x2 y
1 2 1
2 3 2
3 4 3

n 单隐藏层的结点数
epoch_max: 最大训练次数
lr: 学习率 学习率低，学的比较慢 参数一种
mod: 激励函数，默认为 F.relu， 若替换则可使用F.tanh, F.sigmoid 等
train(x, y, 10, 100, 0.01) ->
返回：生成记录属性平均值和标准差的csv 和 神经网络信息 csv 和 神经网络模型参数

再使用use.py

使用模型

使用函数： pred(x)
使用方法：
x: 特征属性,例：
x = [1,2] ([x1, x2]) float/int
返回：预测值 float y

用法

1.将NNtrain.py和NNuse.py放在当前目录下

2.将数据调整成规定列表形式

3.导入train和pred函数

from NNtrain import train
from NNuse import pred

4.使用train函数，例：train(x, y, 10, 100, 0.01)，会生成mean_div.csv,NN.txt,和net.pt

train(x, y, n, epoch_max, lr, mod=F.relu)  

5.使用pred函数，例：pred(x),得到float类型的回归值

pred(x)  
# 此处x是需要得出预测的值列表