人工智能基础

这篇博客探讨了人工智能在解决波士顿房价问题中的应用。内容涉及使用梯度下降优化器调整超参数,如学习率和训练轮数,以优化模型。作者通过编码实践记录了训练后的损失值和权重变量(W、b)的变化。
摘要由CSDN通过智能技术生成

人工智能波士顿房价问题

波士顿房价问题的编码实践。
要求:通过梯度下降优化器进行优化,尝试采用不同的学习率和训练轮数等超参数,记录训练后的损失值和W、b变量值。
1.认为最优的一次带运行结果的源代码截图;

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.utils import shuffle

df=pd.read_csv("boston.csv",header=0)
df=df.values
df=np.array(df)

for i in range(13):
    df[:,i]=(df[:,i]-df[:,i]-df[:,i].min())/(df[:,i]
  • 0
    点赞
  • 0
    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