2007年房价(2007至2008年房价)

2007全国房价排名

问题描述：回归问题是机器学习中的常见问题。它预测一个连续的值，而不是离散的标签。例如，根据天气数据预测明天的温度，或根据软件手册预测完成软件项目所需的时间。不是回归算法，而是分类算法。回归分析本节将预测1990年代中期波士顿郊区的房价中位数。当时郊区的一些数据点是已知的，例如犯罪率和当地财产税率。只有，分为训练样本和测试样本。输入数据的每个特征（例如犯罪率）具有不同的值范围。 ，有些特性是比率，取值范围是〜；某些值范围是〜;其他特征的取值范围为〜，因为特征数据的取值范围不同，这导致网络训练困难，因此，特征数据应执行公认的标准化。通用方法：一般来说，训练数据越少，过度拟合越严重，而网络越小，可以减少过度拟合。
网络的主体：注意事项：当数据量较小时，验证集的数据也较小，使得当时的验证分数波动很大，时间差异较大，因此无法进行有效的评估。将可用数据划分为多个分区（通常是“或”），实例化相同的模型，在分区上训练每个模型，然后对剩余的分区进行评估。详细信息如下：使用的函数是数据堆栈。
每次运行模型所获得的验证分数差异很大，范围从到。平均得分是比单个得分更可靠的指标，这是交叉验证的关键。分享有关人工智能，机器学习，深度学习和计算机视觉的优秀文章，同时记下该领域的学习笔记。想要一起深入学习人工智能并共同学习的朋友们！扫描代码，然后上火车！