代码拉取完成,页面将自动刷新
同步操作将从 飞行器智能感知与控制/machinelearning_homework 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
房屋的价格和所在区域、楼层、房龄等都有密切的关系,现在需求开发一个房价预测的模型,通过训练数据拟合得到房屋的价格。
数据分为:
train_data.csv
,共有16573条数据test_data.csv
,共有7104条数据数据文件为csv
格式的文本文件,可以使用 pandas
库读取,具体的数据格式如下图所列:
数据共有12列,分别是:
Direction
: 房屋所在城市的方位District
: 区域Elevator
:是否有电梯Floor
: 所在楼层Garden
: 小区名字Id
: 唯一的编号Layout
:几室,几厅Price
: 价格 (需要预测的值)Region
: 所在的区域Renovation
: 房屋装修的类型Size
:房屋面积Year
:建成年份使用自选的方法构建一个回归模型,通过训练数据找到回归模型的参数。利用训练好的模型预测测试数据test_data.csv
的房价,并和真值比较,计算误差。具体要求:
test_data.csv
的数据进行预测report_template.ipynb
撰写自己的报告数据来源: https://aistudio.baidu.com/aistudio/datasetdetail/135607
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。