本文基于加州住房价格数据集，详细介绍了机器学习项目从目标设定到模型微调的完整流程。涵盖数据获取、预处理、模型选择与训练，以及性能评估。重点讲解了回归任务的性能指标如RMSE和MAE，并讨论了数据准备过程中的特征缩放和转换流水线。最后，通过线性回归、决策树和随机森林模型的对比，展示了模型选择与优化的重要性。
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）
(∑i=1m(h(xi)−yi)2)m\sqrt{\frac{(\sum_{i=1}^m(h(x^i) - y^i)^2)}{m}}m(∑i=1m(h(xi)−yi)2)
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
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
