文件名称：DeepLearning:自己的页面
文件大小：314KB
文件格式：ZIP
更新时间：2024-04-21 19:15:07
JupyterNotebook
Keras深度学习框架中基于反向传播神经网络的房价预测 介绍 近年来，随着全球经济的快速增长，房价一直在上涨。 房地产业已逐渐成长为全球经济的重要Struts。 在这种环境下，几乎每个人都在关注国内市场趋势，并试图使用更多的经验和有效方法来做出正确的房价预测。 除了房屋特性的影响外，其他因素（尤其是买卖双方的特性）也会对房屋价格产生影响。 房价困境可以看作是一个大型的开放式复杂系统，具有很多复杂性，波动性，非线性和动态性。 本研究使用连锁家庭网络的住房数据来预测上海二手房的价格。 首先，本文使用搜寻器技术通过BeautifulSoup解析器和json请求地址对URL文本信息进行解码。 然后，使用Keras深度学习库，使用误差逆传播算法来装备多层前馈神经网络模型。 本文使用的数据是使用搜寻器技术从Web Host进行搜寻的，并使用基于Keras范例的反向传播神经网络（BP神经网络）模型进
【文件预览】：
DeepLearning-main
----output_33_0.png(24KB)
----DataSet()
--------Dataset(1B)
--------housepricedata.csv(44KB)
----output_36_0.png(27KB)
----output_43_0.png(30KB)
----output_42_0.png(14KB)
----Code()
--------pythonCode(1B)
--------Implementation_Code.ipynb(257KB)
----_config.yml(28B)
----output_37_0.png(26KB)
----README.md(5KB)
----housePrices.md(61KB)
----output_32_0.png(17KB)