文件名称：Udacity-Capstone-房屋价格预测-使用Azure-ML
文件大小：441KB
文件格式：ZIP
更新时间：2024-03-18 22:47:45
JupyterNotebook
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的安装步骤，则应在此处放置它。 要将这个项目变成一个专业的项目组合项目，建议您解释一下如何在AzureML中设置此项目。 数据集 文件描述：这是Kaggle竞争。 从Kaggle下载。 train.csv-训练集test.csv-测试集data_description.txt-每一列的完整说明，最
【文件预览】：
Udacity-Capstone-House-Price-Predication-Using-Azure-ML-master
----HandleTestData.ipynb(66KB)
----train.py(7KB)
----Final Projects Kaggle.ipynb(84KB)
----score.py(1KB)
----house-price-test-data.csv(441KB)
----house-price-train-data.csv(450KB)
----testdata.csv(561KB)
----sample_submission.csv(31KB)
----README.md(6KB)
----automl.ipynb(7KB)
----houseprice.csv(310KB)
----data_description.txt(13KB)
----final_hyperparameter_tuning.ipynb(25KB)