注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. House-Price-Predictor:实施了多元线性回归模型来预测房价-源码

  2. 房屋价格预测器 目的和技术：以下程序使用Python ， Matplotlib ， Numpy ， Sympy ， Pandas和sci-kit预测波士顿市的房价。 程序： 提出问题 收集数据 清理数据 探索可能性和相关性 图形化地建模数据 评估功能内的价格 算法：我实现了一个多元线性回归模型来预测房价。这种方法也称为多元回归，是一种统计技术，它使用几个参数变量来预测响应变量的结果。在这种情况下，我从数据集中提取了几个变量，包括房价，犯罪率，年龄，距水的近距离，税收等，以使我的模型更准确。我挑选

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：3145728
    • 提供者：weixin_42138788

  1. Predicting-House-Prices:线性回归使用Turicreate预测房价-源码

  2. 预测房屋价格 使用Turicreate进行线性回归以预测房价。 在这里，我们可以使用graphlab或turicreate框架。 Turi Create简化了自定义机器学习模型的开发。 您无需成为机器学习专家即可向您的应用添加建议，对象检测，图像分类，图像相似度或活动分类。 因此，我们在这里使用Turicrete。 在本笔记本中，我们将使用金县的房屋销售数据，通过简单的（一次输入）线性回归来预测房价。 使用graphlab SArray和SFrame函数计算重要的摘要统计信息 编写函数以使用

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：45088768
    • 提供者：weixin_42110469

  1. 房屋价格预测：采用L2正则化的线性回归-源码

  2. 房屋价格预测 内容 客观的： 使用L2正则化构建线性回归，该线性回归可用于基于一组功能来预测房屋的价格。 深入了解学习率和正则化超参数对模型性能的影响。 数据： 该数据集由2014年5月至2015年5月之间售出房屋的历史数据组成，其中有两个数据文件：培训（10,000个示例）和开发（5597个示例） 该数据集由23个特征（包括虚拟对象）组成。 最后一个是预测目标。 变量说明数据类型 虚拟[数字]：1 id [数字]：房屋符号 date [string]：日期房屋已售出。 分为3类：每月

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：7340032
    • 提供者：weixin_42118011

  1. 高级房屋价格预测-源码

  2. 先进的房屋价格预测

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：1048576
    • 提供者：weixin_42098892

  1. Udacity-Capstone-房屋价格预测-使用Azure-ML-源码

  2. 房屋价格：先进的回归技术 项目目标：根据房屋功能预测房屋价格。 如果您是房屋的购买者或卖方，但您不知道房屋的确切价格，那么监督型机器学习回归算法可以帮助您预测仅提供目标房屋功能的房屋价格。 预测每所房屋的销售价格是我的工作。 对于测试集中的每个ID，我必须预测SalePrice变量的值。 *指标提交的值是根据预测值的对数与观察到的销售价格的对数之间的均方根误差（RMSE）进行评估的。 （记录日志意味着预测昂贵房屋和廉价房屋的错误将同等地影响结果。） 项目设置与安装 可选：如果您的项目有任何特殊

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：451584
    • 提供者：weixin_42126865

  1. 房屋价格预测-竞争竞争：提前进行房屋价格预测-Kaggle Competition-源码

  2. 房屋价格预测---笑嘻嘻的竞争 MSSubClass：标识出售中涉及的住宅类型。 20 1-STORY 1946 & NEWER ALL STYLES 30 1-STORY 1945 & OLDER 40 1-STORY W/FINISHED ATTIC ALL AGES 45 1-1/2 STORY - UNFINISHED ALL AGES 50 1-1/2 STORY FINISHED ALL AGES 60 2-STORY 1946 & N

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：220160
    • 提供者：weixin_42131728

  1. 房屋价格预测-阿姆斯：试图做套索+多项式特征-源码

  2. 房屋价格预测 学分： : 概括： 数据读取和EDA我已读取数据并执行了基本的EDA以获得洞察力。 已检查重复的行。所有预测变量与目标变量的散点图将显示线性/非线性的存在。 热图显示没有目标变量的最相关的特征。 我们检查这些变量以及目标变量中是否存在偏斜。 稍后我们将对它们应用log和boxcox转换。 数据清理我参考了以下有关特征工程的资源已根据文档删除了异常值，但保留了大多数异常值以最大程度地减少数据丢失。 再次在文档之后，缺失值已被替换为单独的类别或被替换为零。 目标变量是对数转换

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：34603008
    • 提供者：weixin_42168265

  1. 房屋价格预测-源码

  2. 房屋价格预测

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：16384
    • 提供者：weixin_42137723

  1. 房屋价格预测-ML-Hackaton：使用具有相关热图，PCA和随机森林回归的特征选择进行房屋价格预测-源码

  2. 房屋价格预测-ML-Hackaton：使用具有相关热图，PCA和随机森林回归的特征选择进行房屋价格预测

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：1048576
    • 提供者：weixin_42118770

  1. 房屋价格预测-源码

  2. 房屋价格预测

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：316416
    • 提供者：weixin_42148053

  1. 房屋价格预测-源码

  2. 房屋价格预测 简单的控制台应用程序可根据的案例预测爱荷华州的房价。

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：657408
    • 提供者：weixin_42099858

  1. 房屋价格预测：房屋价格预测-源码

  2. 房屋价格预测 艾姆斯住房数据集摘自kaggle竞赛。 该项目的目的是预测Boston Housing Dataset中房屋的房价。 提供了两个文件，即训练和测试，并且要估计测试数据的价格。 在这里，我已使用XGBoost进行预测。 感谢Krish Naik制作了这些精彩的视频，以帮助他们理解和实施房价预测。 稍后，我将添加探索性数据分析，并将XGBoost模型的结果与其他回归技术进行比较。 房价预测步骤 加载数据中 数据探索2.1具有空值的特征2.2数值特征 2.2.1 Year Fea

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：1048576
    • 提供者：weixin_42099906

  1. 房屋价格预测-使用线性回归-源码

  2. 房屋价格预测 使用波士顿住房数据集，该项目的目的是能够对房屋进行价格预测并确定价格所依赖的因素。

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：2097152
    • 提供者：weixin_42127748

  1. 房屋价格预测：使用机器学习进行房屋价格预测-源码

  2. 房屋价格预测：使用机器学习进行房屋价格预测

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：2097152
    • 提供者：weixin_42133452

  1. 房屋价格预测：所有价格预测笔记本-源码

  2. 房屋价格预测 所有价格预测笔记本

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：182272
    • 提供者：weixin_42124497

  1. 房屋价格预测-源码

  2. 房屋价格预测

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：646144
    • 提供者：weixin_42119358

  1. 波士顿房屋价格预测使用回归：用于波士顿房屋价格预测的机器学习网络应用-源码

  2. 波士顿房屋价格预测使用回归 这是一个使用波士顿住房数据集的预测房价的应用机器学习项目。 文件夹“笔记本”包含文件linearRegression.ipynb，pymachineproject.ipynb，RandomForrestRegressor.ipynb。 这些Jupyter Notebook文件包含预处理后在波士顿房屋数据集上分别用于训练，评估和最终测试机器学习模型“线性回归”，“ XGBoost回归”，“ Randomforrest回归”所需的全部代码。 File app.py包

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：985088
    • 提供者：weixin_42140625

  1. 梯度提升房屋价格预测：该项目将基于从``https：//www.kaggle.comchouse-prices-advanced-regression下载的“ IOWA房屋价格”数据集创建并测试ML模型，以预测房价-techniquesda

  2. 梯度提升房屋价格预测：该项目将基于从``https：//www.kaggle.comchouse-prices-advanced-regression下载的“ IOWA房屋价格”数据集创建并测试ML模型，以预测房价-techniquesdata```

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：430080
    • 提供者：weixin_42116705

  1. 简单线性回归中的加拿大房屋价格预测：使用BoxCox变换对要素进行简单线性回归中的加拿大房屋价格预测-源码

  2. 简单线性回归中的加拿大房屋价格预测：使用BoxCox变换对要素进行简单线性回归中的加拿大房屋价格预测

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：46080
    • 提供者：weixin_42165973

  1. 波士顿房屋价格预测：波士顿房屋价格预测-源码

  2. 波士顿房屋价格预测 名称 日期 BM Shahrier Majumder 2019年3月16日 资源资源 Python脚本boston_houseing.py用于分析 结果图保存在plots文件夹中 用于在任何操作系统中运行脚本的Dockerfile RUNME.md用于指导运行python脚本 研究问题 预测波士顿房价的最佳模型是什么？ 抽象 机会：数据来自真实的生存 挑战：收集了1078个数据，仅506个条目和14个功能 行动：将利用统计分析和机器学习模型来获得答案 解决方法：我将找到最

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：891904
    • 提供者：weixin_42130862
« 12 3 4 5 6 »