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. 波士顿房价决策树python编码

  2. 波士顿房价机器学习作业python编码，策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。 决策树方法最早产生于上世纪60年代，到70年代末。由J Ross Quinlan提出了ID3算法，此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。C4.5算法在ID3算法的基础上进行了改进，对于预测变量的缺值处理、剪枝技术、派生规则等方面作了较大改进，

  3. 所属分类：机器学习

    • 发布日期：2018-06-14
    • 文件大小：3072
    • 提供者：qq_32900573

  1. sklearn波士顿房价预测数据集

  2. 在GitHub上面也能找到，自己去拷贝出来就好了sklearn/datasets/data/boston_house_prices.csv

  3. 所属分类：机器学习

    • 发布日期：2018-12-08
    • 文件大小：137216
    • 提供者：weixin_41469397

  1. 波士顿房价数据集(boston_housing.npz)

  2. 本节将要预测 20 世纪 70 年代中期波士顿郊区房屋价格的中位数，已知当时郊区的一些数据点，比如犯罪率、当地房产税率等。 本节用到的数据集与前面两个例子有一个有趣的区别。它包含的数据点相对较少，只有 506 个，分为 404 个训练样本和 102 个测试样本。输入数据的每个特征（比如犯罪率）都有不同的取值范围。例如，有些特性是比例，取值范围为 01；有的取值范围为 112；还有的取值范围为 0~100，等等。

  3. 所属分类：深度学习

    • 发布日期：2020-04-27
    • 文件大小：16384
    • 提供者：weixin_43124279

  1. 波士顿房价预测数据集.csv

  2. 波士顿房价预测案例中CSV格式有表头，可用于深度学习中的数据集，12类影响房价的数据乙级最后的平均房价都有

  3. 所属分类：深度学习

    • 发布日期：2020-02-05
    • 文件大小：28672
    • 提供者：qq_42325947

  1. 房价数据集（包含波士顿房价数据集）

  2. 内部包括波士顿房价数据集以及另外两个房价文件，特征数量够用，都在10个以上。除此之外附带一份应用数据分析课程报告和一份多元线性回归预测代码，亲测可用。代码在报告中。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-01-12
    • 文件大小：7340032
    • 提供者：WXY19990803

  1. 波士顿房价预测 数据集data.rar

  2. 人工智能，机器学习最好的案例，数据集真实有效 波士顿房价预测 数据集 多元线性回归模型-最好的数据集

  3. 所属分类：机器学习

    • 发布日期：2019-10-20
    • 文件大小：10240
    • 提供者：weixin_37647148

  1. 波士顿房价预测文档说明.docx

  2. 波士顿房价预测 数据集data.rar-机器学习文档类资源 人工智能,机器学习最好的案例,数据集真实有效波士顿房价预测 数据集多元线性回归模型

  3. 所属分类：算法与数据结构

    • 发布日期：2020-05-25
    • 文件大小：276480
    • 提供者：u014044931

  1. 机器学习实验(Lasso求解算法预测波士顿房价)实验报告和代码

  2. 1.自编 Lasso 算法，求解方法不限（最小角度规划和快速迭代收缩阈值 FIST 或者其他），说明采用的是何种类型求解方法。2.基于波士顿房价数据集，采用自编 Lasso 算法预测波士顿房价。共 506 个样本，前一半样本作为训练集，后一半样本作为测试集。给出模型在 RMSE 指标上的表现。3. 使用 scikit-learn 实现的回归算法（至少 3 种）来预测波斯顿房价，并对比结果。

  3. 所属分类：讲义

    • 发布日期：2020-11-25
    • 文件大小：1048576
    • 提供者：qq_41894686

  1. 波士顿平均房价预测_boston.csv

  2. boston.csv文件是一个包含多个特征和平均放假的数据集，通过特征数据的学习，来实现对于波士顿平均房价的预测。

  3. 所属分类：讲义

    • 发布日期：2020-11-21
    • 文件大小：37888
    • 提供者：weixin_43334389

  1. 避免线性回归的过拟合（二）：线性回归的改进——岭回归（附波士顿房价预测案例源代码）

  2. 线性回归的改进-岭回归 文章源代码下载地址：波士顿房价岭回归正则化预测代码实现 文章目录线性回归的改进-岭回归1.API2.观察正则化程度的变化，对结果的影响？3.波士顿房价正则化预测代码4.结果 1.API sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True,solver=“auto”, normalize=False) 具有l2正则化的线性回归 alpha:正则化力度，也叫 λ λ取值：0~1 1~10 solver:会根据数据

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：180224
    • 提供者：weixin_38652058

  1. 线性回归模型预测波士顿房价并绘图

  2. 波士顿房价 这是 sklearn.datasets 里的一种 Toy Dataset ，包含503个美国波士顿房价的观测值，是内置的小数据集，也是研究回归算法的优秀数据集。 Python编程实现 import matplotlib.pyplot as plt import matplotlib.font_manager as fm import numpy as np import pandas as pd from sklearn.datasets import load_boston fro

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：125952
    • 提供者：weixin_38725902

  1. 深度学习 从零开始 —— 神经网络（六），回归问题，波士顿房间数据

  2. 回归问题 预测输入数据对应的一个连续值，而不是离散的标签。 比如根据气象数据预测气温等等。 加载数据 波士顿房价数据集，基本上就是根据13种不同数值，例如周边学校个数，犯罪率等等，来预测房价。 from keras.datasets import boston_housing (train_data,train_targets),(test_data,test_targets) = boston_housing.load_data() print(train_data.shape) print(

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：245760
    • 提供者：weixin_38752897

  1. 二手车交易价格预测_Task5_模型融合

  2. 模型融合_代码示例部分 #导入工具包 import numpy as np import pandas as pd from sklearn import metrics from sklearn import linear_model from sklearn.datasets import make_blobs # 这是打包好的波士顿房价数据集 from sklearn import datasets from sklearn.tree import DecisionTreeClas

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：234496
    • 提供者：weixin_38623255

  1. Tensorflow波士顿房价预测学习记录

  2. Tensorflow波士顿房价预测学习记录 第一.导入需要的库 import numpy as np import matplotlib.pyplot as plt import tensorflow as tf numpy数组用来初始化（后文） matplotlib用来画图，可以更加明显的突出数据的变化 第二.加载波士顿地价 介绍 波士顿房价数据集是统计的20世纪70年代中期波士顿郊区房价的中位数，统计了当时教区部分的犯罪率、房产税等共计13个指标，统计出房价，试图能找到那些指标与房价的关系

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：86016
    • 提供者：weixin_38615783

  1. house_price_kaggle.zip

  2. kaggle平台上波士顿房价预测的数据集以及代码实现过程， 主要涉及遇到一个新问题是如何分析数据，对数据进行处理，做特征工程，到最后的预测

  3. 所属分类：互联网

    • 发布日期：2021-03-16
    • 文件大小：559104
    • 提供者：a18829292719

  1. lab1_Boston.zip

  2. 波士顿房价预测完整代码，包含数据集

  3. 所属分类：机器学习

    • 发布日期：2021-03-06
    • 文件大小：420864
    • 提供者：weixin_43794327

  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. 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

  1. boston_housing：我们将基本的机器学习概念应用于马萨诸塞州波士顿地区的房价数据，以预测新房的售价-源码

  2. 预测波士顿房价 根据统计数据获得最佳模型，以估算客户房屋的最佳价格。 目的 在这个项目中，我们将基本的机器学习技术应用于马萨诸塞州波士顿市房屋价格的累积数据。 我们主要对新房的售价做出预测。 首先，我们对数据进行区分以获得有关数据集的实质特征和描述性统计信息。 其次，我们将数据适当地分为测试和培训子集，并为主要问题确定了方便的性能指标。 然后，我们研究了具有交替参数和训练数据集大小的学习算法的效率图。 这使我们能够选择最佳模型，对隐藏数据进行最佳概括。 最后，我们测试了在新样本中找到的最优模型，

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：157696
    • 提供者：weixin_42116596

  1. 波士顿房价预测数据集-数据集

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：13312
    • 提供者：weixin_38699593
« 12 »