网站页面一般以多大标准做合适,施工企业怎样报考a证,网页制作三巨头,wordpress 前端展示数据集介绍 共有506个样本#xff0c;拆分为404个训练样本和102个测试样本 该数据集包含 13 个不同的特征#xff1a; 人均犯罪率。占地面积超过 25000 平方英尺的住宅用地所占的比例。非零售商业用地所占的比例#xff08;英亩/城镇#xff09;。查尔斯河虚拟变量#xf… 数据集介绍 共有506个样本拆分为404个训练样本和102个测试样本 该数据集包含 13 个不同的特征 人均犯罪率。占地面积超过 25000 平方英尺的住宅用地所占的比例。非零售商业用地所占的比例英亩/城镇。查尔斯河虚拟变量如果大片土地都临近查尔斯河则为 1否则为 0。一氧化氮浓度以千万分之一为单位。每栋住宅的平均房间数。1940 年以前建造的自住房所占比例。到 5 个波士顿就业中心的加权距离。辐射式高速公路的可达性系数。每 10000 美元的全额房产税率。生师比按城镇统计。1000 * (Bk - 0.63) ** 2其中 Bk 是黑人所占的比例按城镇统计。较低经济阶层人口所占百分比。技巧 均方误差 (MSE) 是用于回归问题的常见损失函数与分类问题不同。同样用于回归问题的评估指标也与分类问题不同。常见回归指标是平均绝对误差 (MAE)。如果输入数据特征的值具有不同的范围则应分别缩放每个特征。如果训练数据不多则选择隐藏层较少的小型网络以避免出现过拟合。早停法是防止出现过拟合的实用技术。注意事项 如果数据集下载失败可以在我的Github上下载https://github.com/MartinLwx/ML-DL 代码 from __future__ import absolute_import, division, print_functionimport tensorflow as tf
from tensorflow import keras
import numpy as npboston_housing keras.datasets.boston_housing
(train_data, train_labels), (test_data, test_labels) boston_housing.load_data()# 打乱训练集
order np.argsort(np.random.random(train_labels.shape))
train_data train_data[order]
train_labels train_labels[order]#计算平均值和方差的时候不用测试集的数据
mean train_data.mean(axis0)
std train_data.std(axis0)
train_data (train_data - mean) / std
test_data (test_data - mean) / std#因为后文要用earlystop技术所以写了一个函数
def build_model():model keras.Sequential([keras.layers.Dense(64, activationtf.nn.relu,input_shape(train_data.shape[1],)),keras.layers.Dense(64, activationtf.nn.relu),keras.layers.Dense(1)])optimizer tf.train.RMSPropOptimizer(0.001)model.compile(lossmse,optimizeroptimizer,metrics[mae])return modelmodel build_model()history model.fit(train_data, train_labels, epochsEPOCHS,validation_split0.2, verbose0)#返回的是loss和mae平均绝对误差
model.evaluate(test_data, test_labels) #输出[16.7056874293907, 2.5310279341305004]model build_model()# The patience parameter is the amount of epochs to check for improvement
early_stop keras.callbacks.EarlyStopping(monitorval_loss, patience20)history model.fit(train_data, train_labels, epochsEPOCHS,validation_split0.2, verbose0,callbacks[early_stop])model.evaluate(test_data, test_labels) #输出了[21.388992309570313, 2.9450648532194248] 参考 https://www.tensorflow.org/tutorials/keras/basic_regression?hlzh-cn 转载于:https://www.cnblogs.com/MartinLwx/p/10078340.html
