我们将使用下面的程序代码建立多层感知器模型：输入层（9个神经元）、隐藏层1（40个神经元）、隐藏层2（30个神经元）、输出层（1个神经元）

1.导入所需模块

from keras.models import Sequential
from keras.layers import Dense,Dropout

2.建立seras Sequential

model = Sequential()

3.建立输入层和隐藏层1

model.add(Dense(units=40,input_dim=9,kernel_initializer='uniform',activation='relu’))

units=40 输出是隐藏层1共有40个神经元

input_dim=9 输入层有9个神经元，因为数据预处理后有9个特征字段

kernel_initializer=uniform 使用uniform分布的随机初始化weight与bias

activation=relu 激活函数定义relu

4.建立隐藏层2

model.add(Dense(units=30,kernel_initializer='uniform',activation='relu'))

units=30 输出是隐藏层2共有30个神经元

kernel_initializer=uniform 使用uniform distribution 分布的随机数初始化weight和bais

activation=relu 激活函数定义relu

5.建立输出层

model.add(Dense(units=1,kernel_initializer='uniform',activation='sigmoid'))

units=1 输出层共有1个神经元

kernel_initializer=uniform 使用uniform distribution 分布的随机数初始化weight和bais

activation=relu 激活函数定义relu