python房价预测_人工智能python实现-预测房价：回归问题

3.6　预测房价：回归问题

前面两个例子都是分类问题，其目标是预测输入数据点所对应的单一离散的标签。另一种常见的机器学习问题是回归问题，它预测一个连续值而不是离散的标签，例如，根据气象数据预测明天的气温，或者根据软件说明书预测完成软件项目所需要的时间。

注意

不要将回归问题与 logistic回归算法混为一谈。令人困惑的是，logistic回归不是回归算法，而是分类算法。

3.6.1　波士顿房价数据集

本节将要预测 20世纪 70年代中期波士顿郊区房屋价格的中位数，已知当时郊区的一些数据点，比如犯罪率、当地房产税率等。本节用到的数据集与前面两个例子有一个有趣的区别。它包含的数据点相对较少，只有 506个，分为 404个训练样本和 102个测试样本。输入数据的每个特征（比如犯罪率）都有不同的取值范围。例如，有些特性是比例，取值范围为 0~1；有的取值范围为 1~12；还有的取值范围为 0~100，等等。

代码清单 3-24　加载波士顿房价数据

from keras.datasets import boston_housing

(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data()

我们来看一下数据。

>>> train_data.shape

(404, 13)

>>> test_data.shape

(102, 13)

如你所见，我们有 404个训练样本和 102个测试样本，每个样本都有 13个数值特征，比如人均犯罪率、每个住宅的平均房间数、高速公路可达性等。

目标是房屋价格的中位数，单位是千美元。

>>> train_targets

array([ 15.2, 42.3,50. ...19.4,19.4,29.1])

房价大都在 10 000~50 000美元。如果你觉得这很便宜，不要忘记当时是 20世纪 70年代中期，而且这些价格没有根据通货膨胀进行调整。

3.6.2　准备数据

将取值范围差异很大的数据输入到神经网络中，这是有问题的。网络可能会自动适应这种取值范围不同的数据，但学习肯定变得更加困难。对于这种数据，普遍采用的最佳实践是对每个特征做标准化，即对于输入数据的每个特征（输入数据矩阵中的列），减去特征平均值，再除以标准差，这样得到的特征平均值为 0，标准差为 1。用 Numpy可以很容易实现标准化。

代码清单 3-25　数据标准化

mean = train_data.mean(axis=0)

train_data -= mean

std = train_data.std(axis=0)

train_data /= std

test_data -= mean

test_data /= std

注意，用于测试数据标准化的均值和标准差都是在训练数据上计算得到的。在工作流程中，你不能使用在测试数据上计算得到的任何结果，即使是像数据标准化这么简单的事情也不行。

3.6.3　构建网络

由于样本数量很少，我们将使用一个非常小的网络，其中包含两个隐藏层，每层有 64个单元。一般来说，训练数据越少，过拟合会越严重，而较小的网络可以降低过拟合。

代码清单 3-26　模型定义

网络的最后一层只有一个单元，没有激活，是一个线性层。这是标量回归（标量回归是预测单一连续值的回归）的典型设置。添加激活函数将会限制输出范围。例如，如果向最后一层添加sigmoid激活函数，网络只能学会预测 0~1范围内的值。这里最后一层是纯线性的，所以网络可以学会预测任意范围内的值。

注意，编译网络用的是mse损失函数，即均方误差（MSE，mean squared error），预测值与目标值之差的平方。这是回归问题常用的损失函数。

在训练过程中还监控一个新指标：平均绝对误差（MAE，mean absolute error）。它是预测值与目标值之差的绝对值。比如，如果这个问题的 MAE等于 0.5，就表示你预测的房价与实际价格平均相差 500美元。

3.6.4　利用 K折验证来验证你的方法

为了在调节网络参数（比如训练的轮数）的同时对网络进行评估，你可以将数据划分为训练集和验证集，正如前面例子中所做的那样。但由于数据点很少，验证集会非常小（比如大约100个样本）。因此，验证分数可能会有很大波动，这取决于你所选择的验证集和训练集。也就是说，验证集的划分方式可能会造成验证分数上有很大的方差，这样就无法对模型进行可靠的评估。

在这种情况下，最佳做法是使用 K折交叉验证（见图 3-11）。这种方法将可用数据划分为 K个分区（K通常取 4或 5），实例化 K个相同的模型，将每个模型在 K 1个分区上训练，并在剩下的一个分区上进行评估。模型的验证分数等于 K个验证分数的平均值。这种方法的代码实现很简单。

图 3-11　3折交叉验证

代码清单 3-27　K折验证

每次运行模型得到的验证分数有很大差异，从 2.6到 3.2不等。平均分数（ 3.0）是比单一分数更可靠的指标——这就是 K折交叉验证的关键。在这个例子中，预测的房价与实际价格平均相差 3000美元，考虑到实际价格范围在 10 000~50 000美元，这一差别还是很大的。

我们让训练时间更长一点，达到 500个轮次。为了记录模型在每轮的表现，我们需要修改训练循环，以保存每轮的验证分数记录。

代码清单 3-28　保存每折的验证结果

然后你可以计算每个轮次中所有折 MAE的平均值。

代码清单 3-29　计算所有轮次中的 K折验证分数平均值

average_mae_history = [

np.mean([x[i] for x in all_mae_histories]) for i in range(num_epochs)]

我们画图来看一下，见图 3-12。

代码清单 3-30　绘制验证分数

import matplotlib.pyplot as plt

plt.plot(range(1, len(average_mae_history) + 1), average_mae_history)

plt.xlabel('Epochs')

plt.ylabel('Validation MAE')

plt.show()

图 3-12　每轮的验证 MAE

因为纵轴的范围较大，且数据方差相对较大，所以难以看清这张图的规律。我们来重新绘制一张图。

删除前 10个数据点，因为它们的取值范围与曲线上的其他点不同。

将每个数据点替换为前面数据点的指数移动平均值，以得到光滑的曲线。

结果如图 3-13所示。

代码清单 3-31　绘制验证分数（删除前 10个数据点）

def smooth_curve(points, factor=0.9):

smoothed_points = []

for point in points:

if smoothed_points:

previous = smoothed_points[-1]

smoothed_points.append(previous * factor + point * (1 - factor))

else:

smoothed_points.append(point)

return smoothed_points

smooth_mae_history = smooth_curve(average_mae_history[10:])

plt.plot(range(1, len(smooth_mae_history) + 1), smooth_mae_history)

plt.xlabel('Epochs')

plt.ylabel('Validation MAE')

plt.show()

从图 3-13可以看出，验证 MAE在 80轮后不再显著降低，之后就开始过拟合。

图 3-13　每轮的验证 MAE（删除前 10个数据点）

完成模型调参之后（除了轮数，还可以调节隐藏层大小），你可以使用最佳参数在所有训练数据上训练最终的生产模型，然后观察模型在测试集上的性能。

代码清单 3-32　训练最终模型

你预测的房价还是和实际价格相差约 2550美元。

3.6.5　小结

下面是你应该从这个例子中学到的要点。

回归问题使用的损失函数与分类问题不同。回归常用的损失函数是均方误差（MSE）。

同样，回归问题使用的评估指标也与分类问题不同。显而易见，精度的概念不适用于回归问题。常见的回归指标是平均绝对误差（MAE）。

如果输入数据的特征具有不同的取值范围，应该先进行预处理，对每个特征单独进行缩放。

如果可用的数据很少，使用 K折验证可以可靠地评估模型。

如果可用的训练数据很少，最好使用隐藏层较少（通常只有一到两个）的小型网络，以避免严重的过拟合。

本章小结

现在你可以处理关于向量数据最常见的机器学习任务了：二分类问题、多分类问题和标量回归问题。前面三节的“小结”总结了你从这些任务中学到的要点。

在将原始数据输入神经网络之前，通常需要对其进行预处理。

如果数据特征具有不同的取值范围，那么需要进行预处理，将每个特征单独缩放。

随着训练的进行，神经网络最终会过拟合，并在前所未见的数据上得到更差的结果。

如果训练数据不是很多，应该使用只有一两个隐藏层的小型网络，以避免严重的过拟合。

如果数据被分为多个类别，那么中间层过小可能会导致信息瓶颈。

回归问题使用的损失函数和评估指标都与分类问题不同。

如果要处理的数据很少，K折验证有助于可靠地评估模型。

作者：

喜欢围棋和编程。查看的所有文章

python房价预测_人工智能python实现-预测房价：回归问题相关推荐

python画狗头_人工智能python+dlib+opencv技术10分钟实现抖音人脸变狗头详细图文教程和完整项目代码...
效果展示动态效果静态效果未完待续... 素材项目讲解.代码和素材开发环境 win7sp1 python 3.6.3 dlib ...
python特效源代码_人工智能python代码实现魔幻换天视频特效
魔幻换天视频: python实现魔幻换天特效,特效前,特效后对比视频视频前后特效对比图前几期的视频,我们分享了python代码实现的魔幻换天的视频特效,如何使用python代码实现?本期文章我们简 ...
python 时间序列预测_使用Python进行动手时间序列预测
python 时间序列预测 Time series analysis is the endeavor of extracting meaningful summary and statistical ...
python 概率分布模型_使用python的概率模型进行公司估值
python 概率分布模型 Note from Towards Data Science's editors: While we allow independent authors to publis ...
python机器学习预测_使用Python和机器学习预测未来的股市趋势
python机器学习预测 Note from Towards Data Science's editors: While we allow independent authors to publish ...
python回归分析预测模型_在Python中如何使用Keras模型对分类、回归进行预测
姓名:代良全学号:13020199007 转载自:https://www.jianshu.com/p/83ba11abdffc [嵌牛导读]: 在Python中如何使用Keras模型对分类.回归进行 ...
python蜡烛图预测_【Python量化投资】系列之SVR预测第二天开盘趋势和股价的正负统计分析（附代码）...
原标题:[Python量化投资]系列之SVR预测第二天开盘趋势和股价的正负统计分析(附代码) 本期导读 ⊙ML.SVM介绍 ⊙股价的正负统计分析 ⊙预测第二天开盘趋势机器学习方法是计算机科学的一个分 ...
python球鞋怎么样_抢球鞋？预测股市走势？淘宝秒杀？Python表示要啥有啥
球鞋那么难抢,有没有抢限量版球鞋的神器? 每当限量版球鞋开售的时候,几十万人一拥而入,能抽中的却是少数. 朋友圈刷到别人中标的消息,心里又羡慕又有点酸......这种时候只能去找黄牛了. 黄牛党都是靠 ...
python数据预测_利用Python编写一个数据预测工具
利用Python编写一个数据预测工具发布时间:2020-11-07 17:12:20 来源:亿速云阅读:96 这篇文章运用简单易懂的例子给大家介绍利用Python编写一个数据预测工具,内容非常详细 ...

python房价预测_人工智能python实现-预测房价：回归问题

python房价预测_人工智能python实现-预测房价：回归问题相关推荐

最新文章

热门文章