With the data of a wine.csv

Training a simple network with wine.csv dataset Steps for training $1.$ Split dataset into training$(80\%)$ and test$(20\%)2.$ Scale min$-$max data $3.$ Store the min and max of the training set $4.$ Define network architecture $5.$ Train the network $6.$ Test with validation dataset $7.$ Once you have acceptable error in validation $8.$ Scale test data with min, max $($training$)$ values $9.$ Test your data

$114\mathrm{.}231\mathrm{.}712\mathrm{.}4315\mathrm{.}61272\mathrm{.}83\mathrm{.}060\mathrm{.}282\mathrm{.}295\mathrm{.}641\mathrm{.}043\mathrm{.}921065$

$113\mathrm{.}201\mathrm{.}782\mathrm{.}1411\mathrm{.}21002\mathrm{.}652\mathrm{.}760\mathrm{.}261\mathrm{.}284\mathrm{.}38001\mathrm{.}0503\mathrm{.}401050$

$113\mathrm{.}162\mathrm{.}362\mathrm{.}6718\mathrm{.}61012\mathrm{.}803\mathrm{.}240\mathrm{.}302\mathrm{.}815\mathrm{.}68001\mathrm{.}0303\mathrm{.}171185$

$114\mathrm{.}371\mathrm{.}952\mathrm{.}5016\mathrm{.}81133\mathrm{.}853\mathrm{.}490\mathrm{.}242\mathrm{.}187\mathrm{.}80000\mathrm{.}8603\mathrm{.}451480$

$113\mathrm{.}242\mathrm{.}592\mathrm{.}8721\mathrm{.}01182\mathrm{.}802\mathrm{.}690\mathrm{.}391\mathrm{.}824\mathrm{.}32001\mathrm{.}0402\mathrm{.}93735$

$114\mathrm{.}201\mathrm{.}762\mathrm{.}4515\mathrm{.}21123\mathrm{.}273\mathrm{.}390\mathrm{.}341\mathrm{.}976\mathrm{.}75001\mathrm{.}0502\mathrm{.}851450$

$114\mathrm{.}391\mathrm{.}872\mathrm{.}4514\mathrm{.}6962\mathrm{.}502\mathrm{.}520\mathrm{.}301\mathrm{.}985\mathrm{.}25001\mathrm{.}0203\mathrm{.}581290$

$114\mathrm{.}062\mathrm{.}152\mathrm{.}6117\mathrm{.}61212\mathrm{.}602\mathrm{.}510\mathrm{.}311\mathrm{.}255\mathrm{.}05001\mathrm{.}0603\mathrm{.}581295$

$114\mathrm{.}831\mathrm{.}642\mathrm{.}1714\mathrm{.}0972\mathrm{.}802\mathrm{.}980\mathrm{.}291\mathrm{.}985\mathrm{.}20001\mathrm{.}0802\mathrm{.}851045113\mathrm{.}861\mathrm{.}352\mathrm{.}2716\mathrm{.}0982\mathrm{.}983\mathrm{.}150\mathrm{.}221\mathrm{.}857\mathrm{.}22001\mathrm{.}0103\mathrm{.}551045$

$114\mathrm{.}102\mathrm{.}162\mathrm{.}3018\mathrm{.}01052\mathrm{.}953\mathrm{.}320\mathrm{.}222\mathrm{.}385\mathrm{.}75001\mathrm{.}2503\mathrm{.}171510$

$114\mathrm{.}121\mathrm{.}482\mathrm{.}3216\mathrm{.}8952\mathrm{.}202\mathrm{.}430\mathrm{.}261\mathrm{.}575\mathrm{.}00001\mathrm{.}1702\mathrm{.}821280$

$113\mathrm{.}751\mathrm{.}732\mathrm{.}4116\mathrm{.}0892\mathrm{.}602\mathrm{.}760\mathrm{.}291\mathrm{.}815\mathrm{.}60001\mathrm{.}1502\mathrm{.}901320$

$114\mathrm{.}751\mathrm{.}732\mathrm{.}3911\mathrm{.}4913\mathrm{.}103\mathrm{.}690\mathrm{.}432\mathrm{.}815\mathrm{.}40001\mathrm{.}2502\mathrm{.}731150$

$114\mathrm{.}381\mathrm{.}872\mathrm{.}3812\mathrm{.}01023\mathrm{.}303\mathrm{.}640\mathrm{.}292\mathrm{.}967\mathrm{.}50001\mathrm{.}2003\mathrm{.}001547$

$113\mathrm{.}631\mathrm{.}812\mathrm{.}7017\mathrm{.}21122\mathrm{.}852\mathrm{.}910\mathrm{.}301\mathrm{.}467\mathrm{.}30001\mathrm{.}2802\mathrm{.}881310$

$114\mathrm{.}301\mathrm{.}922\mathrm{.}7220\mathrm{.}01202\mathrm{.}803\mathrm{.}140\mathrm{.}331\mathrm{.}976\mathrm{.}20001\mathrm{.}0702\mathrm{.}651280$

$113\mathrm{.}831\mathrm{.}572\mathrm{.}6220\mathrm{.}01152\mathrm{.}953\mathrm{.}400\mathrm{.}401\mathrm{.}726\mathrm{.}60001\mathrm{.}1302\mathrm{.}571130$

$114\mathrm{.}191\mathrm{.}592\mathrm{.}4816\mathrm{.}51083\mathrm{.}303\mathrm{.}930\mathrm{.}321\mathrm{.}868\mathrm{.}70001\mathrm{.}2302\mathrm{.}821680$

$113\mathrm{.}643\mathrm{.}102\mathrm{.}5615\mathrm{.}21162\mathrm{.}703\mathrm{.}030\mathrm{.}171\mathrm{.}665\mathrm{.}10000\mathrm{.}9603\mathrm{.}36845$

$114\mathrm{.}061\mathrm{.}632\mathrm{.}2816\mathrm{.}01263\mathrm{.}003\mathrm{.}170\mathrm{.}242\mathrm{.}105\mathrm{.}65001\mathrm{.}0903\mathrm{.}71780$

$112\mathrm{.}933\mathrm{.}802\mathrm{.}6518\mathrm{.}61022\mathrm{.}412\mathrm{.}410\mathrm{.}251\mathrm{.}984\mathrm{.}50001\mathrm{.}0303\mathrm{.}52770$