Python学习笔记房价分析（回归问题)

最新推荐文章于 2022-01-01 10:26:22 发布

ZY_Jack

最新推荐文章于 2022-01-01 10:26:22 发布

阅读量1.2k

点赞数

分类专栏： Deep Learning with Python 文章标签： python 深度学习回归问题房价预测多特征值

本文链接：https://blog.csdn.net/ZY_Jack/article/details/86553569

版权

本文探讨了使用Python进行房价预测的回归问题，涉及13个特征值，包括犯罪率和房产税率等。由于样本数量有限，采用小型网络避免过拟合。网络最后一层为线性层，结合MSE和MAE作为损失函数进行训练。在验证集较小的情况下，采用k折交叉验证。实验观察到模型在50轮后开始过拟合，平均绝对误差约2700美元。完整代码可在GitHub找到。

摘要由CSDN通过智能技术生成

与前两个问题不同，这个问题是预测连续的数据，属于回归问题。每个数据包含13个特征值，包括犯罪率、当地房产税率等等。

#导入数据集
from keras.datasets import boston_housing
(train_data,train_targets),(test_data,test_targets)=boston_housing.load_data()

#数据标准化：减去特征平均值，再除以标准差
mean = train_data.mean(axis=0)
train_data -= mean
std = train_data.std(axis=0)
train_data /= std
test_data -= mean
test_data /= std

#构建模型
from keras import models
from keras import layers
def build_model():
    model = models.Sequential()
    model.add(layers.Dense(64, activation='relu',
    input_shape=(train_data.shape[1],)))
    model.add(layers.Dense(64, activation='relu'))
    model.add(layers.Dense(1))
    model.compile(optimizer='rmsprop', loss='mse', metrics=['mae'])
return model

这里需要解释一下，首先因为样本数量很少,我们将使用一个非常