基于 paddlepaddle 的房价预测模型

最新推荐文章于 2023-07-07 17:15:49 发布

小雷小雷大小雷

最新推荐文章于 2023-07-07 17:15:49 发布

阅读量269

点赞数

文章标签：深度学习 paddlepaddle python

本文链接：https://blog.csdn.net/Alfred178/article/details/119386042

版权

本文介绍了如何利用百度的PaddlePaddle深度学习框架，构建一个波士顿房价预测模型。详细步骤包括Python代码实现、数据集下载和相关参考资源。

摘要由CSDN通过智能技术生成

前言

使用百度开发的飞桨（paddlepaddle）深度学习框架来构建波士顿房价预测模型。

python 代码如下

#加载飞桨、Numpy和相关类库
import paddle
from paddle.nn import Linear
import paddle.nn.functional as F
import numpy as np
import os
import random

def load_data():
    # 从文件导入数据
    datafile = './work/housing.data'
    data = np.fromfile(datafile, sep=' ', dtype=np.float32)

    # 每条数据包括14项，其中前面13项是影响因素，第14项是相应的房屋价格中位数
    feature_names = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', \
                     'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV']
    feature_num = len(feature_names)

    # 将原始数据进行Reshape，变成[N, 14]这样的形状
    data = data.reshape([data.shape[0] // feature_num, feature_num])

    # 将原数据集拆分成训练集和测试集
    # 这里使用80%的数据做训练，20%的数据做测试
    # 测试集和训练集必须是没有交集的
    ratio = 0.8
    offset = int(data.shape[0] * ratio)
    training_data = data[