深度学习应用开发 课件 cha5 6-房价预测模型搭建_第1页
深度学习应用开发 课件 cha5 6-房价预测模型搭建_第2页
深度学习应用开发 课件 cha5 6-房价预测模型搭建_第3页
深度学习应用开发 课件 cha5 6-房价预测模型搭建_第4页
深度学习应用开发 课件 cha5 6-房价预测模型搭建_第5页
已阅读5页,还剩7页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

目录1案例目标01任务02任务环境配置03任务案例分析案例实施04任务1案例目标1案例目标掌握使用神经网络构建回归模型的方法;掌握pandas数据读取、处理及可视化方法;掌握数据集预处理及划分方法;掌握回调函数的创建及tensorboard可视化工具;理解模型过拟合含义及处理方法。2案例分析2案例分析本案例为“房价预测”,通过构建神经网络模型来预测房屋的价格。网络模型的输人为房屋的信息,例如面积、楼层或房龄等信息,通过对这些输入信息的分析,预测房屋价格;本案例通过采用相应的技巧,防止模型过拟合,进一步理解过拟合问题;本案例通过构建回调函数,调用tensorboard工具可视化训练过程。2案例分析本案例使用的数据集为“HouseSalesinKingCounty,USA”数据集。此数据集共有21613笔房屋数据,每一笔数据有21个不同的信息,分别表示以下含义:●id:房子的标识号●date:房屋出售日期●price:房屋价格●bedrooms:卧室数量●bathrooms:浴室数量●sqft_living:居住的面积●sqftlot:实际的面积●floors:房屋总楼层数●waterfront:海景房●view:房屋是否看过●condition:整体条件●

grade:房屋的整体等级●sqftabove:地下室以外的面积●sqftbasement:地下室的面积●yr_built:房屋建造时间●yr_renovated:何时重新装修过●zipcode:邮政编码●lat:纬度坐标。●long:经度坐标。●sgftliving15:2015年记录的居住面积●saftlot15:2015年记录的实际面积3环境配置3环境配置Windows10Jupyternotebooktensorflow==2.3.0、keras==2.3.1Pandas==1.5.0Numpy==1.22.0matplotlib==3.3.24案例实施4案例实施案例实施过程包括:(1)导入包(2)加载和预处理数据(3)数据可视化(3)构建模型(4)编译模型(5)创建回调函数(6)

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论