文件名称：Predicting-House-Prices:线性回归使用Turicreate预测房价
文件大小：43.65MB
文件格式：ZIP
更新时间：2024-04-05 07:13:11
JupyterNotebook
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 编写函数以使用封闭式解决方案计算简单线性回归权重 编写一个函数，根据给定的输入特征对输出进行预测 转身回归以预测给定输出的输入 比较两种不同的预测房价模型 到最后，我们将能够根据给定的数据和功能集预测房价。 附带的Pdf资源来自@COURSERA 对代码有疑问吗？ 请随时给我发电子邮件或给我发电子邮件
【文件预览】：
Predicting-House-Prices-main
----Polynomial_Regression()
--------numpy-tutorial.ipynb(12KB)
--------Polynomial_Regression.ipynb(278KB)
--------Assesing_performance.pdf(6.82MB)
----LICENSE(1KB)
----Multiple_Regression()
--------numpy-tutorial.ipynb(12KB)
--------Multiple_Regression(Interpretation).ipynb(61KB)
--------Multiple_regression.pdf(10.12MB)
--------Multiple_Regression(Gradient_Descent).ipynb(29KB)
----Simple_Regression()
--------regression-intro-annotated.pdf(21.53MB)
--------Linear_Regression.ipynb(7MB)
----home_data.sframe.zip(908KB)
----README.md(1KB)
----house_images.zip(4.66MB)