文件名称：np-training-validation
文件大小：27KB
文件格式：ZIP
更新时间：2024-04-01 12:48:18
JupyterNotebook
np训练验证 使用NumPy实施向量化的线性和多项式回归模型，并使用单独的训练和测试集比较其性能1.使用NumPy load（）方法读取数据集。 数据包含两个数组：'features'（包含变量CRIM到LSTAT）和'target'（包含变量MEDV）。 2.保留前102项（占总数的20％）作为验证集，其余404项用于培训。 3.创建训练数据的散点图，显示房间数量与房屋中位数之间的关系。 关系看起来是线性的吗？ 4.将RM设为X，将MEDV设为t，使用np.linalg.inv（）计算训练集的w。 MEDV作为RM的线性函数的方程是什么？ 5.使用w添加一条线，该线表示与实验（3）中的散点图拟合的最小二乘方。model该模型看起来如何适合训练集？ 6.使用w找到训练集中RM属性的每个值的预测响应，然后计算模型的平均损失L. 7.对验证集重复实验（6）。 训练和验证MSE值如何比较？ 造成
【文件预览】：
np-training-validation-main
----Project 2.ipynb(38KB)
----README.md(2KB)