文件名称：房屋价格预测：采用L2正则化的线性回归
文件大小：7.99MB
文件格式：ZIP
更新时间：2024-03-20 03:18:08
HTML
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：每月的某天，每年的某月 卧室[数字]：卧室/房屋数量 浴室[数字]：浴室/卧室数 sqft_living [数字]：房屋的平方英尺 sqft_lot [数字]：地块的平方英尺 楼层（数字）：房屋的总楼层（级别） 滨水区[数字，分类]：可以欣赏滨水区的房屋 查看[数字]：已查看 条件[数值，分类]：总体
【文件预览】：
House-Price-Prediction-master
----.ipynb_checkpoints()
--------imp1-checkpoint.ipynb(105KB)
----imp1_satish.py(5KB)
----PA1_train.csv(1006KB)
----part1_gamma_1e-7.csv(8.69MB)
----part1_gamma_1e-0.csv(843B)
----PA1_test.csv(574KB)
----imp1.ipynb(259KB)
----imp1.html(266KB)
----imp1_thomas.html(334KB)
----PA1-Database- Description.pdf(45KB)
----results_part2.xlsx(6KB)
----result.txt(16KB)
----PA1.pdf(161KB)
----part1_gamma_1e-2.csv(1KB)
----part1_gamma_1e-3.csv(2KB)
----.idea()
--------inspectionProfiles()
--------modules.xml(312B)
----ML_day_1.py(1KB)
----results_part1.xlsx(6KB)
----imp1_Mahon_Satish_Thomas.ipynb(15KB)
----part1_gamma_1e-6.csv(6.95MB)
----README.md(3KB)
----part1_gamma_1e-5.csv(555KB)
----part1_gamma_1e-1.csv(1KB)
----imp1_Mahon_Satish_Thomas.py(10KB)
----imp1.py(4KB)
----part1_gamma_1e-4.csv(5KB)
----imp1_Mahon_Satish_Thomas.html(302KB)
----part2_w_table.xlsx(12KB)
----part2_d.xlsx(8KB)
----PA1_dev.csv(563KB)
----prediction.csv(170KB)
----imp1_thomas.py(4KB)
----part1_best_w.xlsx(6KB)