看到该问题的时候，尝试在网上寻找源码，这里就不贴出来了，见6-3 构建LM神经网络模型代码（python3.6下运行）_清泉石上流9300的博客-CSDN博客https://blog.csdn.net/sinat_17588957/article/details/89945560?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1-89945560-blog-110827716.pc_relevant_antiscanv2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1-89945560-blog-110827716.pc_relevant_antiscanv2&utm_relevant_index=2但是运行的时候发现问题还是挺多的。
（1）python的版本
由于这里要使用神经网络，需要下载tensorflow库，而这个库是要64位的python版本才能下载的，于是迫不得已我把旧版本卸了，又重新安装了64位版本。
（2）pip install tensorflow下载太慢，老是出错
由于网速太慢，用pip install tensorflow老是下载出错，上网寻找了各种解决方法，发现一个非常好用的命令
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow
不仅快，而且不会出错。
一切准备就绪后，开始运行代码，然后bug就不断出现了，如下：
（1）'DataFrame' object has no attribute 'as_matrix'
原因：as_matrix()方法被淘汰了
解决方法：修改为
data = data.iloc[:,:].values
（2）__init__() missing 1 required positional argument: 'units'
原因：Dense的参数出错
解决方法：修改为
net.add(Dense(10,input_dim=3))
第21行同理修改为
net.add(Dense(1,input_dim=10))
然后代码神经网络迭代开始运行
（3）'Sequential' object has no attribute 'predict_classes'
原因：'Sequential'没有'predict_classes'方法，但是有'predict'方法，于是修改为
pc = net.predict(train[:, :3]).reshape(len(train))
（4）Classification metrics can't handle a mix of binary and continuous targets
原因：train[:, 3]是int类型，而pc是表示概率的float类型，类型不同，所以会出错。
解决方法：将pc四舍五入后转换为int类型
在第44行前插入一句
pc=np.around(pc,0).astype(int)
最终，所有bug解决，代码成功编译运行，结果如下：
Predicted label为预测结果，True label为真实结果
这个图的意思是：
预测结果与真实结果都为0的有150个，都为1的有59个；
预测结果为1，真实结果为0的有12个；预测结果为0，真实结果为1的有11个.
则正确率为：(150+59)/(150+12+11+59)×100%=90.09%
