波士顿房价预测（四：利用torch手写线性回归代码，含有L1，L2正则）

最新推荐文章于 2025-02-12 13:15:09 发布

追本溯源test

最新推荐文章于 2025-02-12 13:15:09 发布

阅读量719

点赞数 1

分类专栏：机器学习文章标签： python 深度学习机器学习神经网络

本文链接：https://blog.csdn.net/weixin_44187150/article/details/113730514

版权

该博客介绍了如何使用PyTorch手动实现线性回归模型，包括L1和L2正则化的实现，以预测波士顿地区的房价。通过对数据的预处理，如异常值处理和特征标准化，然后在训练和测试集上应用模型，最终观察不同正则化方法对模型性能的影响。

摘要由CSDN通过智能技术生成

波士顿房价预测（四：利用torch手写线性回归代码，含有L1，L2正则）

导库

from IPython import display
from matplotlib import pyplot as plt
from mxnet import autograd, nd
import random
import pandas as pd
import numpy as np

读取数据：

train_data=pd.read_csv('train_dataset.csv')
test_data=pd.read_csv('test_dataset.csv')
train_price=train_data['PRICE']
del train_data['PRICE']
test_id=test_data['ID']
del test_data['ID']

异常值处理核心函数：

def box_plot_outliers(data_ser, box_scale):
    """
    利用箱线图去除异常值
    :param data_ser: 接收 pandas.Series 数据格式
    :param box_scale: 箱线图尺度，默认用 box_plot（scale=3）进行清洗
    :return:
    """
    new_up=data_ser.quantile(0.75)
    new_low=data_ser.quantile(0.25)
    print(new_up,new_low)
    iqr = box_scale * (data_ser