tensorflow实验四----波士顿房价预测

最新推荐文章于 2023-11-25 10:07:55 发布

原创

最新推荐文章于 2023-11-25 10:07:55 发布 · 6.1k 阅读

87 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow

这篇博客介绍了如何利用TensorFlow和Scikit-Learn处理波士顿房价数据集，进行多变量线性回归分析。首先，数据预处理包括读取数据、划分特征和目标变量、数据标准化以及拆分训练集、验证集和测试集。接着，构建了线性回归模型，并使用随机梯度下降进行训练。在训练过程中，观察了训练损失和验证损失的变化。最后，评估了测试集上的模型性能并展示了一个具体的预测示例。

波士顿房价预测

波士顿房价数据集包括506个样本，每个样本包括12个特征变量和该地区的平均房价房价（单价）显然和多个特征变量相关，不是单变量线性回归（一元线性回归）问题选择多个特征变量来建立线性方程，这就是多变量线性回归（多元线性回归）问题波士顿房价预测

数据集解读、
在这里插入图片描述
CRIM: 城镇人均犯罪率
ZN：住宅用地超过25000 sq.ft. 的比例
INDUS: 城镇非零售商用土地的比例
CHAS: 边界是河流为1，否则0
NOX: 一氧化氮浓度
RM: 住宅平均房间数数据集解读
AGE: 1940年之前建成的自用房屋比例
DIS：到波士顿5个中心区域的加权距离
RAD:辐射性公路的靠近指数
TAX : 每10000美元的全值财产税率
PTRATIO: 城镇师生比例
LSTAT: 人口中地位低下者的比例
MEDV: 自住房的平均房价，单位：千美元

读取数据

import tensorflow.compat.v1 as tf
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
import pandas as pd
from sklearn.utils import shuffle
from sklearn.preprocessing import scale
print("Tensorflow版本是：",tf.__version__)

在这里插入图片描述

通过Pandas导入数据

df = pd.read_csv("E:/wps/boston.csv",header=0)  #这里的路径就是你存放波士顿房价文件的绝对路径
print(df.describe())

在这里插入图片描述
Pandas读取数据
显示前三条数据

df.head(3)

在这里插入图片描述

显示后三条数据

df.tail(3)

在这里插入图片描述

数据集划分

数据准备

ds = df.values
print(ds.shape)
print(ds)

在这里插入图片描述
划分特征数据和标签数据

x_data = ds[:,:12]
y_data = ds[:,

最低0.47元/天解锁文章