燕大《Python机器学习》实验报告.doc_python机器学习实验报告

需积分: 48 53 浏览量更新于2023-03-16 评论 21 收藏 353KB DOC 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

机器学习实验报告



学生所在学院：

学生所在班级：

学生姓名：

学生学号：

指导教师：

教务处

实验名称：线性回归：波士顿房价预测

实验时间成绩：

一、实验内容

熟悉操作环境

通过波士顿房价预测的项目，学习并理解经典的线性回归。经典的线性回归（   

）模型主要用来预测一些存在着线性关系的数据集。本次实验使用真实的数据集建立起一

个房价预测模型，并且了解到机器学习中的若干重要概念。

使用从 !"#获得的波士顿房价数据集进行模型的训练和预测。使用散点图展

示了使用模型对部分房屋价格进行的预测。

二、实验过程

1.准备数据

导入必要的包

$%%

$





读取训练数据

对&的训练集进行乱序，乱序化的缓存大小为'(&)，按批次读取乱序后的数

据，批次大小为'&)。

&*$'+

$,+$&+-.'(&)*/00-.

'&)*0-

读取测试数据

按批次读取&测试集，批次大小为'&)。

&*$'+

$,+$&+-.'(&)*/00-.

'&)*0-

2.配置网络

定义简单的线性网络

定义一个简单的线性网络，网络有层。输入层为，输出大小为，激活函数是$的全连接

层。

1定义张量变量，表示维的特征值

*%$+*22.*34.*2%2-

1定义一个简单的线性网络

*%$(+*.)*.*5-

1定义损失函数

*%$+*22.*34.*2%2-1定义张量.表示目标值

*%$6&&+*.$'$*-1求一个'的损失值

7&*%$+-1对损失值求平均值

1定义优化方法

)*%)8#9)+$&*000-

*))+7&-

3.训练网络

1创建一个使用! 的解释器

$*%! $+-

*%+$-

1进行参数初始化

+%($&&+--

1定义输入数据维度

(*%#:+$*$.(&$*3.4-

1开始训练和测试

(&+0-1训练0次

1开始训练并输出最后一个'的损失值

&*0

('&.+&+--1遍历&迭代器

&*+*%($&&+-.1运行主程序

(*((+-.1喂入一个'的训练数据

(&$*37&4-

+;<.!<0/(;<+&.&304304--1打印最后一个'的损

失值

1开始测试并输出最后一个'的损失值

&*0

('&.+&+--1遍历&迭代器

&*+*%($&&+-.1运行测试

(*((+-.1喂入一个'的测试数据

(&$*37&4-1(均方误差

+2=<.!<0/(2<+&.&304304--1打印最后一个'的损

失值

1保存模型

$&7&*;>>>>?&&$($;

1如果保存路径不存在就创建

(+$&7&-

@+$&7&-

%7&(&$+$&7&.1保存推理$的路径

3224.1推理（(）需要 (的数据

34.1保存推理（(）结果的 A'$

-1保存 ($

4.模型评估

0.!BBBCDB

=0.!ECDCB

.!/FEEFE

=.!B00E0

.!CEB/

=.!EBBF

.!0B0C

=.!/BB/C

D.!CE0BCC

=D.!0/D

/.!D/0BC

=/.!//BC/

B.!0/0D

=B.!EFFEFB

E.!/00/

=E.!0FFF

F.!DBBFD

=F.!00DF

C.!ED0FD

=C.!/ED

0.!0CECF

=0.!BE0E

.!BFFFC

=.!F/C

.!DDC0/B

=.!0/EBF

.!0EBDED

=.!CCB

D.!0E0DF

=D.!CCF

/.!FB/C/EE

=/.!BCB/0B

B.!/BDC/

=B.!F/E0

E.!/0C

=E.!DBECC

F.!FEDED

=F.!F

C.!CFFD

=C.!0C/C

在训练过程中，我们可以看到输出的损失值在不断减小，证明我们的模型在不断收敛。

5.模型预测

(&*%+$-1创建推测用的

(&*%+-1指定作用域

G%&+(&-

1修改全局>默认作用域（）.运行时中的所有变量都将分配给新的。

1从指定目录中加载推理$+($-

3(&.1推理的

(&&.1列表，包含需要在推理中提供数据的变量名称

&4*%$&(&$+$&7&.

1(&推断结果，$&7&模型训练路径

(&-

1(&运行 ($的 

1获取推测数据

(&*$'+$&+-.

1获取&的测试数据

'&)*0-1从测试数据中读取一个大小为0的'数据

1从&中分割

&*+(&+--

&*+3304(&4-+;%;-

&*+334(&4-+;%;-

$*(&+(&.1模型

(*H(&&304+&-I.1喂入要预测的值

(&$*(&-1得到推测结果

+;($+"-;-

(.7$+$304-

+;<<(;<+.7$--

+;;-

(.7$+&-

print("%d: %.2f" % (idx, val))

6.模型优化

在使用激活函数与不使用激活函数的情况下，分别在学习率为0，00，000训

练模型0次和D0次，并进行预测，观察得到方差，并进行总结。

剩余30页未读，继续阅读

sdx837740961

粉丝: 5
资源: 12

会员权益专享

燕大《Python机器学习》实验报告 .doc

评论0

会员权益专享

最新资源

燕大《Python机器学习》实验报告 .doc

评论0

机器学习-实验指导书.pdf

机器学习实验资料（含代码和讲解）

python 机器学习实验报告

python机器学习基础源码.zip

燕山大学python机器学习实验

python数据结构实验目的_Python-实验指导书.doc

python spire.doc 无水印

python机器学习如何入手

Spire.Doc python 去水印

用python读取.doc文件

python 机器学习 资料

python机器学习 学习资料

python 机器学习资料

Python机器学习方法

python机器学习导论

python机器学习pdf

python机器学习感悟

Python机器学习的书籍推荐

你从一个Python 老师的角度来教我Python 机器学习，我具备一定的Python 基础，请列出来学习方法

python机器学习实训

会员权益专享

最新资源

python 机器学习资料

python机器学习学习资料