数值型特征样本数据集，利用神经网络进行二分类
classicaton.py 是基于三层一般神经网络的分类，准确率0.933
classication_cnn.py是基于cnn进行的分类，不稳定（原因还有待分析），好的时候是0.85左右，
train.csv是训练集，test.csv是测试集，两个是通过Excel处理成（data，labels）标签后按照3:1的比例从train_x.csv中得到的
运行环境： tensorflow 1.0.1 numpy 1.12.1+mkl pandas 0.19.2 python3.5
后续解决思路： ''' 利用卷积神经网络进行的分类，目前来看，准确率处于0.9以下，跟classification.py中一般的神经网络，效果不是很好， 分析：cnn主要应用在图像或者文本这种相邻数据有相关关系的问题上，本例的数据集目前不知道业务上样本中相邻特征之间有没有关系，有待进一步研究和分析 结合业务，分析数据集的意义，再考虑使用cnn或者其他的分类算法 '''