波士顿房价预测（回归问题）--python深度学习

Yvonne-陈

已于 2023-06-03 21:44:15 修改

阅读量2.3k

点赞数 1

分类专栏：《python深度学习》笔记文章标签： python 深度学习回归

于 2023-06-03 21:41:51 首次发布

本文链接：https://blog.csdn.net/weixin_46726459/article/details/131026037

版权

《python深度学习》笔记专栏收录该内容

8 篇文章 0 订阅

订阅专栏

波士顿房价预测（回归问题）

预测 20 世纪 70 年代中期波士顿郊区房屋价格的中位数，已知当时郊区的一些数
据点，比如犯罪率、当地房产税率等。它包含的数据点相对较少，只有 506 个，分为 404 个训练样本和 102 个测试样本。输入数据的每个特征（比如犯罪率）都有不同的取值范围。例如，有些特性是比例，取值范围为 0~ 1；有的取值范围为 1~ 12；还有的取值范围为 0~ 100，等等。

from keras.datasets import boston_housing

(train_data, train_targets), (test_data, test_targets) =  boston_housing.load_data()

train_data.shape

(404, 13)

test_data.shape

(102, 13)

13 个数值特征

Per capita crime rate.人均犯罪率
Proportion of residential land zoned for lots over 25,000 square feet.超过25,000平方英尺土地的住宅用地比例
Proportion of non-retail business acres per town.城镇非零售经营面积占比
Charles River dummy variable (= 1 if tract bounds river; 0 otherwise).查尔斯河虚拟变量(河道边界河流=1，否则0)。
Nitric oxides concentration (parts per 10 million).一氧化氮浓度(千万分之一)
Average number of rooms per dwelling.每套住宅的平均房间数
Proportion of owner-occupied units built prior to 1940.1940年以前建造的自住单位的比例
Weighted distances to five Boston employment centres.到波士顿五个就业中心的加权距离
Index of accessibility to radial highways.径向公路可达性指数
Full-value property-tax rate per $10,000. 每1万美元的全额房产税税率
Pupil-teacher ratio by town.各镇师生比例
1000 * (Bk - 0.63) ** 2 where Bk is the proportion of Black people by town.
1000 * (Bk - 0.63) ** 2其中Bk是按城镇划分的黑人比例
% lower status of the population.人口地位降低%

# 目标是房屋价格的中位数，单位是千美元。
train_targets

房价大都在 10 000~50 000 美元。如果你觉得这很便宜，不要忘记当时是 20 世纪 70 年代中
期，而且这些价格没有根据通货膨胀进行调整。

1.数据预处理

注意，用于测试数据标准化的均值和标准差都是在训练数据上计算得到的。在工作流程中，
你不能使用在测试数据上计算得到的任何结果，即使是像数据标准化这么简单的事情也不行

# 特征的取值范围差异很大，对每个特征做标准化
mean = train_data.mean(axis=0)     # axis=0按列取均值
train_data -= mean
std = train_data.std(axis=0)
train_data /= std

test_data -= mean
test_data /= std

df.mean(axis=0)

2.模型构建

由于样本数量很少，使用一个非常小的网络

from keras import models
from keras import layers

def build_model():          # 因为需要将同一个模型多次实例化，所以用一个函数来构建模型
    model = models.Sequential()
    # input_shapez指每次输入一个样本，该样本的特征数
    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))   # 标量回归：最后一层只有一个单元，没有激活，是一个线性层
   
    model.compile(optimizer='rmsprop', loss='mse', metrics=['mae'])
    return model

网络的最后一层只有一个单元，没有激活，是一个线性层。这是标量回归（标量回归是预
测单一连续值的回归）的典型设置。添加激活函数将会限制输出范围。例如，如果向最后一层
添加 sigmoid 激活函数，网络只能学会预测 0~1 范围内的值。这里最后一层是纯线性的，所以
网络可以学会预测任意范围内的值。

注意，编译网络用的是 mse 损失函数，即均方误差（MSE，mean squared error），预测值与
目标值之差的平方。这是回归问题常用的损失函数。

在训练过程中还监控一个新指标：平均绝对误差（MAE，mean absolute error）。它是预测值
与目标值之差的绝对值。比如，如果这个问题的 MAE 等于 0.5，就表示你预测的房价与实际价
格平均相差 500 美元

3.K 折交叉验证

数据点很少，验证集会非常小。验证集的划分方式可能会造成验证分数上有很大的方差，这样就无法对模型进行可靠的评估。

最佳做法是使用 K 折交叉验证。这种方法将可用数据划分为 K
个分区（K 通常取 4 或 5），实例化 K 个相同的模型，将每个模型在 K-1 个分区上训练，并在剩
下的一个分区上进行评估。模型的验证分数等于 K 个验证分数的平均值。

在这里插入图片描述

import numpy as np

k = 4
num_epochs = 100
num_val_samples = len(train_data) // k      # /除，//取整，%取余
all_scores = []
for i in range(k):
    print('processing fold #', i)

    val_data = train_data[i * num_val_samples: (i + 1) * num_val_samples]        # 验证数据：第 k 个分区的数据
    val_targets = train_targets[i * num_val_samples: (i + 1) * num_val_samples]

    partial_train_data = np.concatenate(              # 训练数据：其他所有分区的数据
        [train_data[:i * num_val_samples],train_data[(i + 1) * num_val_samples:]],
        axis=0)
    partial_train_targets = np.concatenate(
        [train_targets[:i * num_val_samples],train_targets[(i + 1) * num_val_samples:]],
        axis=0)

    model = build_model()       # 构建 Keras 模型（已编译）
    model.fit(partial_train_data, partial_train_targets,      # 训练模型（静默模式verbose=0）
              epochs=num_epochs, batch_size=1, verbose=0)           # 数据量很小，设置batch_size=1

    val_mse, val_mae = model.evaluate(val_data, val_targets, verbose=0)     # 在验证数据上评估模型
    all_scores.append(val_mae)

processing fold # 0
processing fold # 1
processing fold # 2
processing fold # 3

all_scores

[2.239992141723633, 2.7303361892700195, 2.727764129638672, 2.8013319969177246]

np.mean(all_scores)

2.624856114387512

让训练时间更长一点，达到 500 个轮次,记录每轮的表现

如果在一个循环中创建许多模型,则此全局状态将随着时间消耗越来越多的内存,需要清除它。调用clear_session()会释放全局状态,这有助于避免旧模型和层造成混乱

from keras import backend as K
K.clear_session()     # 重置所有由Keras产生的图层状态

import numpy as np

k = 4
num_epochs = 500
num_val_samples = len(train_data) // k      # /除，//取整，%取余
all_mae_histories = []
for i in range(k):
    print('processing fold #', i)

    val_data = train_data[i * num_val_samples: (i + 1) * num_val_samples]        # 验证数据：第 k 个分区的数据
    val_targets = train_targets[i * num_val_samples: (i + 1) * num_val_samples]

    partial_train_data = np.concatenate(              # 训练数据：其他所有分区的数据
        [train_data[:i * num_val_samples],train_data[(i + 1) * num_val_samples:]],
        axis=0)
    partial_train_targets = np.concatenate(
        [train_targets[:i * num_val_samples],train_targets[(i + 1) * num_val_samples:]],
        axis=0)

    model = build_model()       # 构建 Keras 模型（已编译）
    history = model.fit(partial_train_data, partial_train_targets,    # 训练模型（静默模式verbose=0）
                validation_data=(val_data,val_targets),       
              epochs=num_epochs, batch_size=1, verbose=0)           # 数据量很小，设置batch_size=1

    mae_history = history.history['val_mae']
    all_mae_histories.append(mae_history)

processing fold # 0
processing fold # 1
processing fold # 2
processing fold # 3

# 计算所有轮次中的 K 折验证分数平均值
average_mae_history = [
    np.mean([x[i] for x in all_mae_histories]) for i in range(num_epochs)]

Let’s plot this:

import matplotlib.pyplot as plt

plt.plot(range(1, len(average_mae_history) + 1), average_mae_history)
plt.xlabel('Epochs')
plt.ylabel('Validation MAE')
plt.show()

在这里插入图片描述

因为纵轴的范围较大，且数据方差相对较大，所以难以看清这张图的规律。

删除前 10 个数据点，因为它们的取值范围与曲线上的其他点不同。
将每个数据点替换为前面数据点的指数移动平均值，以得到光滑的曲线

# 验证 MAE 在 80 轮后不再显著降低，之后就开始过拟合
def smooth_curve(points, factor=0.9):
    smoothed_points = []
    for point in points:
        if smoothed_points:
            previous = smoothed_points[-1]
            smoothed_points.append(previous * factor + point * (1 - factor))
        else:
            smoothed_points.append(point)
    return smoothed_points

smooth_mae_history = smooth_curve(average_mae_history[10:])

plt.plot(range(1, len(smooth_mae_history) + 1), smooth_mae_history)
plt.xlabel('Epochs')
plt.ylabel('Validation MAE')
plt.show()

在这里插入图片描述

# 训练最终模型
model = build_model()
model.fit(train_data, train_targets,
          epochs=80, batch_size=16, verbose=0)
test_mse_score, test_mae_score = model.evaluate(test_data, test_targets)

4/4 [==============================] - 0s 988us/step - loss: 17.1250 - mae: 2.6952

test_mae_score

2.6951732635498047

在这里插入图片描述

Yvonne-陈

关注

1
点赞
踩
31

收藏

觉得还不错? 一键收藏
0
评论
波士顿房价预测（回归问题）--python深度学习

预测 20 世纪 70 年代中期波士顿郊区房屋价格的中位数，已知当时郊区的一些数据点，比如犯罪率、当地房产税率等。它包含的数据点相对较少，只有 506 个，分为 404 个训练样本和 102 个测试样本。输入数据的每个特征（比如犯罪率）都有不同的取值范围。例如，有些特性是比例，取值范围为 0~ 1；有的取值范围为 1~ 12；还有的取值范围为 0~ 100，等等。(404, 13)(102, 13)13 个数值特征房价大都在 10 000~50 000 美元。
复制链接

扫一扫