Pytorch学习笔记（七）

已于 2022-03-02 23:53:16 修改
阅读量1.8k 收藏 14
点赞数 9
分类专栏： 【Pytorch学习】 文章标签： python 机器学习 数据挖掘
于 2022-01-26 20:22:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46221946/article/details/122699952
版权
这篇博客记录了使用PyTorch进行Kaggle房价预测比赛的过程，包括数据预处理、模型训练、参数保存与加载。主要使用了pandas和sklearn库，通过KFold进行交叉验证，建立简单的线性回归模型，最终评估模型表现。
摘要由CSDN通过智能技术生成

实战Kaggle比赛：房价预测

不包括探索性数据分析（EDA），只进行简单的数据处理和线性回归。

用到的一些函数将在下面先介绍。

比赛链接： House Prices - Advanced Regression Techniques

预备知识

  • pandas.DataFrame.dtypes

用法：df.dtypes，返回一个Series，描述了每一列的数据类型，可以通过列的索引来索引返回的Series。如果某一列中混合了多种类型，则该列的类型被认为是object类型。

df = pd.DataFrame(
了解本专栏 订阅专栏 解锁全文 超级会员免费看
不牌不改
关注
专栏目录
订阅专栏
pytorch学习笔记七：torchvision.datasets.ImageFolder使用详解
耐心的小黑的博客
04-08 4万+
一、数据集组织方式 ImageFolder是一个通用的数据加载器，它要求我们以下面这种格式来组织数据集的训练、验证或者测试图片。 root/dog/xxx.png root/dog/xxy.png root/dog/xxz.png root/cat/123.png root/cat/nsdf3.png root/cat/asd932_.png 对于上面的root，假设data文件夹在.py文件...
numeric_features = all_features.dtypes[all_features.dtypes != ‘object‘].index；
weixin_52024290的博客
08-07 1160
然后all_features.dtypes!= ‘object’，为判断各列数据是否不为object对象。不为则返回True，是则返回False。= ‘object’]把数据类型不为object的各列取出来。即The data type of each column。all_features.dtypes是获得每一列数据的类型进行返回。在学习沐神的动手学深度学习中，遇到如下语句不懂。
2021-07-13
weixin_46848513的博客
07-13 312
房价预测一、读入数据二、预处理1.将train,test的共同部分集合起来一起处理三、后续操作（懒得起名字）2.设置一个简单模型3.损失界定4、训练模型5、k折交叉6、给定参数7、给出训练的最终损失和预测值总结 一、读入数据 mport pandas as pd import torch import d2l.torch as d2l from torch import nn import numpy as np data_train,data_test=pd.read_csv('C:\\Users\\n
Pandas--完善中
weixin_45683677的博客
07-17 427
1. 绘制多图 相对于index而言 subplot=True
动手学习深度学习——房价预测（详细注释）
m0_51474171的博客
07-12 1678
代码+详细注释 里面设计到的不懂的函数，可以查看这个博客
动手学深度学习-05 梯度消失和梯度爆炸
zuyuhuo6777的博客
03-01 775
梯度消失、梯度爆炸以及Kaggle房价预测 梯度消失和梯度爆炸 考虑到环境因素的其他问题 Kaggle房价预测 梯度消失和梯度爆炸 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。 当神经网络的层数较多时，模型的数值稳定性容易变差。 PyTorch的默认随机初始化 随机初始化模型参数的方法有很多。在线性回归的简洁实现中，我们使用tor...
pytorch学习笔记（一）
01-06
此为小弟pytorch的学习笔记，希望自己可以坚持下去。（2020/2/17） pytorch官方文档 pytorch中文教程 tensor tensor是pytorch的最基本数据类型，相当于numpy中的ndarray，并且属性和numpy相似，tensor可在GPU上进行...
PyTorch学习笔记（七）：PyTorch可视化
最新发布
11-10
在PyTorch中，对深度学习模型进行可视化是理解和调试模型结构的重要手段。本文将探讨如何在PyTorch中实现模型的可视化，包括利用print()函数打印基础信息以及使用更高级的工具如torchsummary和torchviz来展示网络...
pytorch学习笔记七：nn网络层——池化层、线性层
Dear_learner的博客
02-16 4732
一、池化层 池化运算：对信号进行“收集” 并“总结”，类似于水池收集水资源，因而得名池化层。 收集：由多变少，图像的尺寸由大变小 总结：最大值/平均值 下面是最大值池化和平均值池化的示意图： 最大值池化就是将滑动窗口中的最大值作为最终的结果；平均值池化是将滑动窗口的平均值作为最终结果。下面看一下pytorch中提供最大值和平均值池化的函数 1、nn.Maxpool2d nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, retur
笔记pytorch学习笔记
07-20
【PyTorch学习笔记概述】 PyTorch是Facebook开源的一款深度学习框架，它以其灵活性、易用性和强大的计算能力在学术界和工业界都受到了广泛的欢迎。本笔记将基于B站牛二大人的讲解，深入探讨PyTorch的核心概念、基本...
房价预测 search Search 中对数据预处理的学习
瞳瞳瞳呀
07-04 256
对于缺失的数据： 我们对连续数值的特征做标准化（standardization）：设该特征在整个数据集上的均值为 μ ，标准差为 σ 。那么，我们可以将该特征的每个值先减去 μ 再除以 σ 得到标准化后的每个特征值。对于缺失的特征值，我们将其替换成该特征的均值。 numeric_features = all_features.dtypes[all_features.dtypes != 'object'].index all_features[numeric_features] = all_features[
深度学习+pytorch实战Kaggle比赛（一）——房价预测
weixin_45719141的博客
08-06 2375
参考书籍《动手学深度学习(pytorch版），参考网址为： https://zh-v2.d2l.ai/chapter_multilayer-perceptrons/index.html https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.8_mlp 请大家也多多支持这两个很好用的平台~ ...
22.实战：Kaggle房价预测
weixin_47505105的博客
12-14 2025
笔记
pd.get_dummies，pandas中getget_dummies的用法，python中处理离散值的方法，将文字特征转换成数字特征的方法
一起躺躺躺的博客
05-06 3746
需要用到pandas这个包，调用请提前下载 这个就是用独热编码来替换离散值特征。 例如，“MSZoning”包含值“RL”和“Rm”我们将创建两个新的指示器特征“MSZoning_RL”和“MSZoning_RM”，其值为0或1。根据独热编码，如果“MSZoning”的原始值为“RL”，则：“MSZoning_RL”为1，“MSZoning_RM”为0。 首先假如一个数据集有六个样本，每个样本两种特征，数据保存在‘111.csv’中，其中feature1是文字特征，分别为“bak” “bif” “ni
5--California House Prices（使用MLP）
garbage回收中心
08-23 757
California House Prices（使用MLP）
《动手学深度学习》学习之路01-- Kaggle⽐赛：房价预测
qq_27957213的博客
07-28 527
先从Kaggle（⽹站地址：https://www.kaggle.com ）下载数据集(注册账号需要翻墙) 1.获取和读取数据集 import gluonbook as gb from mxnet import autograd, gluon, init, nd from mxnet.gluon import data as gdata, loss as gloss, nn import n...
深度学习笔记--Kaggle比赛之房价预测
beautiful77moon的博客
11-26 842
#获取和读取数据 import torch import torch.nn as nn import pandas as pd #处理数据 import All_function as func #自定义包 torch.set_default_tensor_type(torch.FloatTensor) train_data=pd.read_csv('Kaggle_...
2-3动手学习深度学习-kaggle房价预测
少年程序郎
11-03 2047
%matplotlib inline import gluonbook as gb from mxnet import autograd,gluon,init,nd from mxnet.gluon import data as gdata,loss as gloss,nn import pandas as pd import numpy as np # 读入数据 train_data=pd...
Kaggle-House Prices
dake13的博客
10-31 1505
前段时间尝试着做了一下kaggle中的House Prices，是一个回归问题，通过对给定的训练集进行分析，来预测测试集中的房屋价格，测试集中的数据主要是房屋特征（features），包活很多比如：卧室的数量，临街否等等共79个，在对其进行处理的过程中，要对数值型的特征进行归一化，而对字符型的特征进行pd.dummies()处理，及将字符用数字0,1,2等来代替，这样才能统筹兼顾对所有的特征进行处...
pytorch学习笔记
07-27
- *2* *3* [Pytorch学习笔记](https://blog.csdn.net/pizm123/article/details/126748381)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

不牌不改

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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