学习记录：从零开始学AI（二）——加州房价TensorFlow机器学习例子学习笔记

已经搭建好环境，开始学习加州房价机器学习例子，目标理解相关概念，掌握机器学习例子开发流程！ 加油，每天一点点进步！

学习前的几点困惑？怎么训练数据集？怎么清洗数据？这个例子用的是线性回归模型？可不可以用别的模型呢？用这个例子的框架，可不可以换成我自己的一个数据集呢，不是房价的，其他的书籍，是不是要修改一些属性，模型本身不用变吧，工作量有多大？怎样让我的应用程序调用这个机器学习例子吗？有接口吗？好多疑问，期待学习之后能够找到答案！

加油！

2025.4.15

参考网址：

按照教程继续补全加州房价例子代码，运行看看结果，边做边学吧！

查看数据统计信息，成功，

增加可视化分布代码，运行失败，提示少matplotlib，用pip安装，再运行，出错，提示少seaborn，继续pip安装，再运行，终于成功了

相关性分析，增加代码，运行成功，但需要关闭上一个柱状图窗口才能看到运行结果

数据清洗与预处理

检查缺失值，成功

数据标准化，运行之后没看到什么结果！待分析

训练一个简单的模型，划分数据集，训练线性回归模型，运行成功

感受：比预想的简单，训练一个线性回归模型，几行代码就实现了，可是很多不明白

线性回归模型不太了解

python编程没变过，代码语法不清楚

数据集格式是是啥，不清楚

怎么输出参数及其权重？哪个参数对房价影响最大，在哪里看，用什么代码？

如果构建自己的模型，改改算法，怎么办？