机器学习实战【房价预测问题】（附python代码）

题记：今天记录一篇错误代码（暂未找到错误原因），网上的教程对于房价预测问题的套路都差不多于是参照了其中一篇，完成了几乎一样的代码，但是首先是k折交叉验证的问题，其次是预测结果问题。

更新：重新手敲了一遍代码发现还是有问题，于是有猜测肯定因为自己的惯性思维导致的问题，自己可能很难发现了，所以找了一份网上的代码直接复制发现能跑，又校对好几遍最终发现原来问题在交叉验证上。可恶啊~

1. 问题：rmse出现nan的原因
   解答：k折交叉验证的代码粗心写错了（fold_size = x.shape[0]//k），我以为//k是注释，每次自己手写的时候都把它删掉了。
2. 问题：to_csv（‘submission.csv’）
   解答：实际上如果没有用d2l模块的话，这里根本不会报错。
3. 问题：懒得下载d2l模块
   解答：用自定义的函数load_array代替，方案可行，网上有教程。而且注意是小写的L不是数字1。
4. 问题：kaggle的在线平台
   好难用啊，有时候会出现莫名的问题，新建一个notebook可能就好了。
5. 问题：submission.csv
   rmse 得分0.17294

# -*- coding: utf-8 -*-
"""
@Time ： 2023/4/4 14:02
@Auth ： zyt
@File ：02regression.py
@IDE ：PyCharm
@Motto：ABC(Always Be Coding)
"""

'''
问题描述：波士顿房价预测问题
'''
import pandas as pd
from torch.utils import data
import torch.nn as nn
import torch

def load_array(data_arrays, batch_size, is_train=False):
    """构造一个PyTorch数据迭代器。"""
    dataset = data.TensorDataset(*data_arrays)
    return data.DataLoader(dataset, batch_size, shuffle=is_train)

def get_net(in_features):
    net = nn.Sequential(nn.Linear(in_features,1))
    return net

def log_rmse(net,features,labels):
    clipped_preds = torch.clamp(net(features),1,float('inf'))
    rmse = torch.sqrt(loss(torch.log(clipped_preds),torch.log(labels)))
    return rmse.item()

def train(net,train_features,train_labels,test_features,test_labels,num_epochs,learning_rate,weight_decay,batch_size):
    train_ls,test_ls=[],[]
    train_iter = load_array((train_features,train_labels)