Building a neural network architecture

import numpy as np
from keras import Sequential
from keras.layers import Dense

# 定义网络结构
layer_1=Dense(units=3,activation='sigmoid')
layer_2=Dense(units=1,activation='sigmoid')

# 定义一个两层神经网络模型
model=Sequential([layer_1,layer_2])

# 训练数据
x=np.array([[200.0,17.0],
            [120.0,5.0],
            [425.0,20.0],
            [212.0,18.0]])
y=np.array([1,0,0,1])

# 测试数据
x_new=np.array([[300.0,16.0],
            [110.0,15.0],
            [225.0,10.0],
            [112.0,28.0]])

# 定义loss函数、优化方法、评估标准
model.compile(loss='categorical_crossentropy',
              optimizer='sgd',
              metrics=['accuracy'])
# 训练模型
model.fit(x,y)

# 测试数据所得结果
y_new=model.predict(x_new)

# 转换成one-hot编码形式
yhat=[]
print(y_new)
for i in range(len(y_new)):
    if y_new[i][0]>=0.5:
        yhat.insert(i,1)
    else:
        yhat.insert(i,0)
print(yhat)