python数据分析项目实战——波士顿房价预测
·
概述
波士顿房价预测是机器学习、数据分析入门的经典案例。下面我们通过这个案例来一起学习相关内容。
数据集描述
此数据源于美国某经济学杂志上，分析研究波士顿房的数据集，共有506个样本数据，13个输入特征和1个输出特征。
| 名称 | 说明 |
|---|---|
| CRIM | 城镇人均犯罪率 |
| ZN | 住宅地所占的比例 |
| INDUS | 城镇非住宅地所占比例 |
| CHAS | 是否临近Charies River |
| NOX | 一氧化氮浓度 |
| RM | 屋子的平均房间数 |
| AGE | 1940年之前建成的自住单位的比例 |
| DIS | 距离5个波士顿就业中心的加权距离 |
| RAD | 距离高速公路的可达指数 |
| TAX | 全值财产税率 |
| PARATIO | 学生与教师的比例 |
| B | 城镇重黑人所占比例 |
| LSTAT | 低收入人群占比 |
| MEDV | 同类房屋价格的中位数 |
数据集下载
可以sklearn.datasets直接加载数据(from sklearn.datasets import load_boston)
或者可以从AI Studio上查找。
波士顿房价预测模型
简单线性回归分析
手写梯度下降法预测模型
继续更新中，敬请期待~
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
1
0- 0
已为社区贡献1条内容
所有评论(0)