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)

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
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值