房价预测(HackerRank)
从今天开始要多做一些关于机器学习方面的竞赛题目,题目来源主要是Hackerrank和Kaggle。链接如下
Hackerrank:https://www.hackerrank.com/
Kaggle:https://www.kaggle.com/
在Hackerrank中提交源代码,这就使得很多库都需要自己写,限制比较多。而Kaggle只需要提交数据,所以随便怎么搞都行。现在来讲第一道题,房价预测,这是Andrew Ng课程里的比较经典的例子。题目描述如下
题目:https://www.hackerrank.com/challenges/predicting-house-prices
分析:比较简单,用梯度下降法即可。
代码:
#coding:utf-8class Data:def __init__(self):self.x = []self.y = 0.0def WX(d, w):ans = 0.0for i in range(0, len(w)):ans += w[i] * d.x[i]return ansdef Gradient(d, w, alpha):for i in range(0, len(w)):tmp = 0.0for j in range(0, len(d)):tmp += alpha * d[j].x[i] * (WX(d[j], w) - d[j].y)w[i] -= tmpdef getValues(d, w):res = 0.0for i in range(0, len(d)):tmp = WX(d[i], w)res += (d[i].y - tmp) * (d[i].y - tmp)return resdef Iterator(d, w):alpha = 0.005delta = 0.000001oldVal = getValues(d, w)Gradient(d, w, alpha)newVal = getValues(d, w)while abs(oldVal - newVal) > delta:oldVal = newValGradient(d, w, alpha)newVal = getValues(d, w)def main():while True:try:d = []w = []F, N = map(int, raw_input().split())for i in range(0, N):t = Data()t.x = map(float, raw_input().split())t.x.insert(0, 1.0)t.y = t.x.pop()d.append(t)for i in range(0, F + 1):w.append(0)Iterator(d, w)N = int(raw_input())for i in range(0, N):t = Data()t.x = map(float, raw_input().split())t.x.insert(0, 1.0)print '%.2f'% WX(t, w)except EOFError:breakif __name__ == '__main__':main()
房价预测(HackerRank)相关推荐
- 房价预测-paddle 实现
课程>我的课程>百度架构师手把手教深度学习>1-4 使用飞桨重写[房价预测]模型> 1-4 使用飞桨重写[房价预测]模型 paddle初级教程第一章 第四节 王然(学生) No ...
- 1-2 用Python编写【房价预测】模型----paddle
课程>我的课程>百度架构师手把手教深度学习>1-2 用Python编写[房价预测]模型> 1-2 用Python编写[房价预测]模型 paddle初级教程第一章 第二节 王然( ...
- 机器学习(11)线性回归(2)实战 -- 正规方程优化、梯度下降优化(波士顿房价预测)
目录 一.波士顿房价预测(正规方程优化) API 1.获取数据集 2.划分数据集 3.标准化 4. 创建预估器,得到模型 5.模型评估(均方差评估) 代码 二.波士顿房价预测(正规方程优化) API ...
- 【机器学习入门】(8) 线性回归算法:正则化、岭回归、实例应用(房价预测)附python完整代码和数据集
各位同学好,今天我和大家分享一下python机器学习中线性回归算法的实例应用,并介绍正则化.岭回归方法.在上一篇文章中我介绍了线性回归算法的原理及推导过程:[机器学习](7) 线性回归算法:原理.公式 ...
- 竞赛大杀器xgboost,波士顿房价预测
经常出入DC竞赛.kaggle.天池等大数据比赛的同学应该很了解xgboost这座大山. 几乎所有的比赛都绕不过它,可能只需要这一个库,在比赛中就可以得到很高的分数,究竟是为什么呢?那么就来窥探一下它 ...
- 线性回归之案例:波士顿房价预测
线性回归之案例:波士顿房价预测 数据介绍 [13个特征值,1个目标值] 给定的这些特征,是专家们得出的影响房价的结果属性.此阶段不需要自己去探究特征是否有用,只需要使用这些特征.到后面量化很多特征 ...
- 极简PaddlePaddle的房价预测Demo
简 介: ※利用最简单的线性关系预测数据之间的相关性. 关键词: 线性相关,预测# #mermaid-svg-7sGsiuDJBmN3r5cU {font-family:"trebuchet ...
- zillow房价预测
数据介绍 该项目是Data Castle上的美国King County房价预测训练赛,用到的数据取自于kaggle datasets,由@harlfoxem提供并分享,但是只选取了其中的子集,并对数据 ...
- 【深度学习】实战Kaggle竞赛之线性模型解决波士顿房价预测问题(Pytorch)
[深度学习]实战Kaggle竞赛之线性模型解决波士顿房价预测问题 文章目录 1 概述1.1 Competition Description1.2 Practice Skills 2 数据处理 3 训练 ...
最新文章
- 前标识(NT AUTHORITY\NETWORK SERVICE)没有对 (转)
- python写前端代码_python学习之路前端-JavaScript
- python中time库引用不正确的_python模块知识一 自定义模块、time、datetime时间模块...
- php游客随机代码,php生成随机码的一段代码
- golang switch_为什么程序员都不喜欢使用 switch ,而是大量的 if……else if ?
- leetcode —— 45. 跳跃游戏 II
- 深度学习人体姿态估计:2014-2020全面调研
- C语言内存的动态分配
- 学习Leader选举算法
- Android开发实战之——ProgressDialog的使用(一)
- 深度分析:PSP3000被破解 狂欢?还是哀悼?
- python如何批量导出数据_【Python】批量导出数据并处理——第一弹
- 【渗透测试常见漏洞概述及修复方法】
- 详细Ubuntu 22.04 配置最新UR机械臂仿真环境(ros2-humble, ur-sim, ur-ros2-driver)
- 你不能做宅男,因为你穷
- Zookeeper:Zookeeper的主从选举机制
- feign调用简单实例
- python中求合数_python输出100以内的质数与合数实例代码
- html5图片2d转换器,webp2jpg - 图片格式转换工具
- 《计算机网络管理》_Chap2
热门文章
- 依赖注入_引用其他的bean
- Azkaban-two_server模式-job任务运行
- 数据库-优化-案例-count()函数的优化
- Spring Session官方介绍及spring框架学习方法
- 如何判断对象是否存活之根搜索算法
- qt 运行库 linux,linux(ubuntu) 版qt5.x安装的一些知识
- kafka不使用自带zk_Kafka监控必备——Kafka-Eagle 2.0.2正式发布
- python知识点汇总百度文库_PYTHON知识点汇总.doc
- 我的ASP.NET AJAX控件——PopupNotificationExtender:实现OWA或Messenger样式的信息提示窗口...
- java中JScrollPane不显示水平滚动条的解决办法