会用python做神经网络的大佬请进，有具体问题求教！

[nixing123]

毕业设计选了这个题目，然后我发现自己给自己挖了个坑！！！
我爬取了链家网的租房数据，共1619条，想通过神经网络对租房价格进行预测。

输入文件data.csv，其数据格式如下：

从左到右，依次是装修，是否限制，面积，楼层，朝向，临近地铁，区域

我做了如下的简单归一化处理（我也不知道，我这样算不算归一化）


result为租金的数据，即输出。

数据文件都在这里
其中，ordata是原始的数据，data是处理后的输入数据，result是输出数据

代码参考的是这里

下面是我的代码，用的是python2.7

import numpy as np
import matplotlib.pyplot as plt

def logsig(x):
    return 1/(1+np.exp(-x))

#x是输入单元，y是输出单元
x = np.loadtxt('data.csv',delimiter=',',dtype='int').T

y = np.loadtxt('result.csv',delimiter=',',dtype='int').T
list =[]
for i in xrange(len(y)):
    list.append(y[i])
y = np.array([list])

np.random.seed(1)

maxepochs = 2000#训练次数
learnrate = 0.035#学习效率
errorfinal = 0.05#预期误差
samnum = 1619#样本数量
indim = 7#输入神经元个数
outdim = 1#输出神经元个数
hiddenunitnum = 7#隐层神经元个数

w1 = 0.5*np.random.rand(hiddenunitnum,indim)-0.1 #8*3 输入层与隐藏层的连接权值
b1 = 0.5*np.random.rand(hiddenunitnum,1)-0.1 #7*1 隐藏层与输出层的连接权值
w2 = 0.5*np.random.rand(outdim,hiddenunitnum)-0.1 #1*7 隐藏层各个神经元的阈值
b2 = 0.5*np.random.rand(outdim,1)-0.1 #1*1 输出层各神经元的阈值

errhistory = []

for i in range(maxepochs):
    hiddenout = logsig((np.dot(w1,x).transpose()+b1.transpose())).transpose()
    networkout = (np.dot(w2,hiddenout).transpose()+b2.transpose()).transpose()
    err = y - networkout
    sse = sum(sum(err**2))
    
    errhistory.append(sse)
    if sse < errorfinal:
        break
    
    delta2 = err
    
    delta1 = np.dot(w2.transpose(),delta2)*hiddenout*(1-hiddenout)
    
    dw2 = np.dot(delta2,hiddenout.transpose())
    db2 = np.dot(delta2,np.ones((samnum,1)))
    
    dw1 = np.dot(delta1,x.transpose())
    db1 = np.dot(delta1,np.ones((samnum,1)))
    
    w2 += learnrate*dw2
    b2 += learnrate*db2
    
    w1 += learnrate*dw1
    b1 += learnrate*db1


# 误差曲线图
errhistory10 = np.log10(errhistory)
minerr = min(errhistory10)
print errhistory10
print minerr
plt.plot(errhistory10)
plt.plot(range(0,i+1000,1000),[minerr]*len(range(0,i+1000,1000)))

ax=plt.gca()
ax.set_yticks([-2,-1,0,1,2,minerr])
ax.set_yticklabels([u'$10^{-2}$',u'$10^{-1}$',u'$1$',u'$10^{1}$',u'$10^{2}$',str(('%.4f'%np.power(10,minerr)))])
ax.set_xlabel('iteration')
ax.set_ylabel('error')
ax.set_title('Error History')
plt.savefig('errorhistory.png',dpi=700)
plt.close()

结果，算出来的权值和阈值都是无限大，误差曲线图竟然是发散的，是我的数据问题吗？
调整学习率，隐层单元数，训练次数，都没效果。



我自己也是依葫芦画瓢，一出问题就不会解决了，所以请求大佬解惑！