运用深度学习技术，从基础入手——神经网络（六），涉及回归问题，并以波士顿房间数据为例进行学习。

简介：
该模型旨在预测输入数据中一个连续的数值，而非将数据转化为离散的类别标签。例如，可以利用气象信息来预测温度的变化。为了演示，我们加载了波士顿房价数据集，该数据集包含了13种不同的数值特征，诸如周边学校的数量、犯罪率以及其他相关指标，这些特征共同用于预测最终的房价。通过使用 `from keras.datasets import boston_housing` 语句，我们可以加载数据集并获取训练集和测试集。具体来说，`(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data()` 这行代码分别加载了训练数据和训练目标变量，以及测试数据和测试目标变量。随后，`print(train_data.shape)`、`print(test_data.shape)` 和 `print(train_targets)` 这三条语句用于打印训练数据的维度、测试数据的维度以及训练目标变量的内容，从而观察到训练样本的数量为4。