xxcnb的博客

波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“Hello World”。与大家对房价的普遍认知基本相同，波士顿地区的房价受诸多因素影响。该数据集统计了13种可能影响房价的因素和该类型房屋的均价，期望构建一个基于13个因素进行房价预测的模型，如 图1 所示。对于预测问题，可以根据预测输出的类型是连续的实数值，还是离散的标签，区分为回归任务和分类任务。因为房价是一个连续值，所以房价预测显然是一个回归任务。下面我们尝试用最简单的线性回归模型解决这个问题，并用神经网络来实现这个模型。线性回归模型

减少方差大的特征的影响，使模型更准确。加快学习算法的收敛速度。

使用自己训练好的深度学习模型

通过高级API更简洁地实现多层感知机，代码如此简单~

风格迁移（Style Transfer）是深度学习众多应用中非常有趣的一种，我们可以使用这种方法把一张图片的风格“迁移”到另一张图片

我们已经讲了Softmax的数学原理。在这里，我们就用Java代码来实现整个模型的训练。

我们之前讲的，预测房价、股票、球赛的胜负次数。同时，我们有时遇到的问题并不是预测问题，而是一个分类问题。

通过DJL框架，实现线性回归算法，并保存训练模型

回归是指一类为一个或多个自变量与因变量之间关系建模的方法。在自然科学和社会科学领域，回归通常用来表示输入和输出之间的关系。

简要地回顾一下基本线性代数的部分内容

`NDArray` 支持大量的运算符（operator）。但因为Java不支持运算符过载， ，所以在DJL中，常见的标准算数运算符（+，—，∗∗，/和∗∗∗∗）都通过函数来实现。可以对任意维度中任何同一维度的张量进行运算。我们可以对任意两个相同维度的张量进行基础运算。