问题1

1.对训练数据集进行数据清洗，处理缺失值和异常值。

2.采用散点图作为可视化手段。

3.采用皮尔逊相关系数进行相关性分析。

4.提出预防措施。

问题2

1.采用k-means聚类算法将洪水概率分为高中低三个群组。

2.通过线性回归模型计算特征权重。

3.选择特定的特征进行灵敏度分析。

        STEP3:

问题3

1.划分训练集和测试集7:3。

2.构建神经网络模型：包括多个全连接层，ReLU激活函数和回归输出层。

3.模型训练：包括最大迭代次数，批次大小，初始学习率等。

4.评估模型：计算预测值与真实值之间的均方误差（MSE）。

5.结合问题1选择相关性最大的五个特征，重新训练神经网络模型并评估模型。

绘制一个自己的实际神经网络图

问题4

验证集（text.csv）在模型上进行预测，画直方图和折线图在分析是否服从正态分布。