用sklearn和tensorflow做boston房价的回归计算的比较(1)--经典的sklearn集成模型

最新推荐文章于 2024-07-27 14:41:39 发布

置顶

小白的2015

最新推荐文章于 2024-07-27 14:41:39 发布

阅读量1.5w

点赞数 9

分类专栏：人工智能算法

本文链接：https://blog.csdn.net/baixiaozhe/article/details/54409764

版权

这篇博客通过对比sklearn和tensorflow在处理boston房价数据集上的回归计算，强调了sklearn的易用性和高效性。作者提到，尽管sklearn模型不包含卷积CNN等先进模型，但其简洁和准确让人印象深刻。文章内容包括数据预处理和模型应用，未展示参数优化部分，鼓励读者自行尝试。

摘要由CSDN通过智能技术生成

本篇是后面用tensorflow做回归时的一个参照，忍不住要说的是sklearn真是简单好用，要不是他没有卷积cnn等时髦模型，真是不想用其他家的了

本文链接：http://blog.csdn.net/baixiaozhe/article/details/54409764

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn import preprocessing
from sklearn.neural_network import MLPRegressor
from sklearn.ensemble import GradientBoostingRegressor
#波士顿房价数据
boston=load_boston()
x=boston.data
y=boston.target
# print('波士顿数据:',x.shape)
# print(x[::100])
# print('波士顿房价:',y.shape)
# print(y[::100])

print('##################################################################')

# 随机挑选
train_x_disorder, test_x_disorder, train_y_disorder, test_y_disorder = train_test_split(x, y,
                                                                    train_size=0.8, random_state=