机器学习实战：基于Scikit-Learn和TensorFlow---第二章笔记

机器学习实战：基于Scikit-Learn和TensorFlow—第二章笔记

一、学习目标

以加州住房价格的数据集作为数据源，来进行构建一个完整的机器学习的项目。

二、完整的处理流程

2.1、目标问题

拿到数据集，搭建机器学习的项目，我们肯定是希望从这个数据中分析出什么结果。所以我们的目标就是：根据数据集，对一个区域的房价中位数进行预测。你肯定知道这是一个典型的监督式学习任务（因为已经给出了标记的训练示例），而且也是一个典型的回归任务（因
为你要对某个值进行预测）。更具体地说，这是一个多变量回归问题，因为系统要使用多个特征进行预测（使用到区域的人口、收入中位数等）。

2.2、性能指标

你辛苦构建完模型后，肯定要选择一个指标来测试下你的模型到底表现如何吧。回归问题的典型性能衡量指标是均方根误差（RMSE）。

公式1-1：均方根误差（RMSE）

$\sqrt{\frac{({\sum }_{i=1}^m(h(x^i)-y^i{)}^2)}{m}}$

解释下其中的符号：

• m是你在测量RMSE时，所使用的数据集中实例的数量(例如，如果你在评估RMSE时使用的验证集里包含2000个区域，则m=2000)

• xix^i