14、机器学习基础：从房价预测到泛化原理

机器学习基础：从房价预测到泛化原理

1. 房价预测：回归示例

在房价预测这个回归问题中，最终的测试平均绝对误差（MAE）得分如下：

>>> test_mae_score
2.4642276763916016

这意味着预测结果与实际房价仍有接近 2500 美元的差距，但相比之前已有改善。如同其他任务一样，你可以尝试调整模型的层数或每层的单元数，以降低测试误差。

1.1 对新数据进行预测

在不同类型的模型中， predict() 方法的返回值有所不同：
| 模型类型 | predict() 返回值 |
| ---- | ---- |
| 二元分类模型 | 每个输入样本对应一个介于 0 到 1 之间的标量分数 |
| 多类分类模型 | 每个样本对应所有类别的概率分布 |
| 标量回归模型 | 模型对样本房价（以千美元为单位）的预测值 |

以下是使用标量回归模型进行预测的示例：

>>> predictions = model.predict(test_data)
>>> predictions[0]
array([9.990133], dtype=float32)

这表明测试集中第一套房子的预测价格约为 10000 美元。

1.2 回归示例总结