学习记录：从零开始学AI（三）——TensorFlow加州房价机器学习例子学习笔记（相关概念、基础知识与代码解析）

2025.04.18

边看代码边学习，逐一攻破

参考网址：

【机器学习】利用线性回归模型来预测California的房价_california housing 数据集-优快云博客

50. TensorFlow 加州房价预测 — 动手实战人工智能 AI By Doing

创建pd.DataFrame的方法. pd.DataFrame函数详解 - 知乎 (zhihu.com)

【scikit-learn】sklearn.datasets.fetch_california_housing() 函数：加州房价预测数据， 回归任务_对sklearn中自带加州房价数据-优快云博客

利用Sklearn实现加州房产价格预测,学习运用机器学习的整个流程（包含很多细节注解） - Laurel1115 - 博客园 (cnblogs.com)

归一化 （Normalization）、标准化 （Standardization）和中心/零均值化 （Zero-centered）-优快云博客

【总结】python sklearn模型中random_state参数的意义_random state数值意义-优快云博客

【skLearn 回归模型】线性回归 ---- Linear Regression_sklearn linearregression-优快云博客

sklearn LinearRegression输出线性回归系数，得到回归方程_输出linearregression的回归系数-优快云博客

加州房价数据集各个属性含义：

该数据的列名为['MedInc', 'HouseAge', 'AveRooms', 'AveBedrms', 'Population', 'AveOccup', 'Latitude', 'Longitude']

数据特征具体含义;

MedInc：区域内家庭收入的中位数（单位：10,000美元）。

HouseAge：房屋的中位数年龄（单位：年）。

AveRooms：每个住宅单元的平均房间数。

AveBedrms：每个住宅单元的平均卧室数。

Population：区域内的总人口数量。

AveOccup：每个住宅单元的平均住户人数。

Latitude：区域的纬度（地理坐标）。

Longitude：区域的经度（地理坐标）。

非常疑惑，为什么都是平均数，住宅单元指什么，是所在单元？还是此住宅？这个和房价有关系？我看前几年的数据集还是总房间数，后面再多查查资料吧

2025.04.22

加州房价预测机器学习全部代码与详细注释

全部运行结果及可视化图片

加州房价预测属于机器学习中的有监督回归算法

参考网址：

python 线性回归分析模型检验标准--拟合优度_拟合优度的计算公式-优快云博客

感受：至此基本明白了机器学习线性回归模型机的原理，知道一点Python编程了，第一感觉是没有变量类型，直接就用呀！！！，初步体验了TensorFlow，开个头吧。下一步，尝试其他模型机，更换自己的数据集，继续努力！