房价预测：基于线性回归的波士顿人工智能实践
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
本项目运用线性回归算法，通过分析波士顿地区的房产数据，旨在建立一个准确的房价预测模型，以支持人工智能在房地产领域的应用实践。
按照课程案例要求，动手完成编码实践。通过梯度下降优化器进行优化，并尝试采用不同的学习率和训练轮数等超参数设置，记录每次训练后的损失值以及W、b变量的最终值。
提交时需要包含以下内容：
1. 至少5次不同超参数配置下的运行结果文档（word格式或txt格式）；
2. 认为最优的一次实验的相关源代码文件（以.ipynb 格式保存）；
3. 将上述两个文件打包压缩成一个压缩包后上传。
评分标准如下：
1. 完整实现案例中的代码，模型能够正常运行并得到优化结果的得8分；
2. 调整过超参数，并在记录文档中至少包含5组不同设置的数据，则获得额外2分；
利用Python面向对象的思想对实验进行编程：%matplotlib notebook
import tensorflow as tf
全部评论 (0)
还没有任何评论哟~
