paddle实现波士顿房价预测任务

最新推荐文章于 2024-07-22 17:48:50 发布

yggdrasil0117

最新推荐文章于 2024-07-22 17:48:50 发布

阅读量204

点赞数

文章标签： paddle python 机器学习

本文链接：https://blog.csdn.net/yggdrasil0117/article/details/127482628

版权

本文详细介绍了如何运用PaddlePaddle框架，结合Python，实现波士顿房价预测的机器学习任务。通过数据预处理、模型构建、训练与评估，揭示了深度学习在房价预测中的应用。

摘要由CSDN通过智能技术生成

# 导入需要用到的package
import numpy as np
import json
# 读入训练数据
from matplotlib import pyplot as plt

datafile = 'housing.data'
data = np.fromfile(datafile, sep=' ')
data
def load_data():
    # 从文件导入数据
    datafile = 'housing.data'
    data = np.fromfile(datafile, sep=' ')

    # 每条数据包括14项，其中前面13项是影响因素，第14项是相应的房屋价格中位数
    feature_names = [ 'CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', \
                      'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV' ]
    feature_num = len(feature_names)

    # 将原始数据进行Reshape，变成[N, 14]这样的形状
    data = data.reshape([data.shape[0] // feature_num, feature_num])

    # 将原数据集拆分成训练集和测试集
    # 这里使用80%的数据做训练，20%的数据做测试
    # 测试集和训练集必须是没有交集的
    ratio = 0.8
    offset = int(data.shape[0] * ratio)
    traini