深度学习应用开发：作业三 波士顿房价预测线性回归实践

代码地址：Github

作业要求

基本要求

  • 按课程案例，动手完成编码实践。
  • 通过梯度下降优化器进行优化，尝试采用不同的学习率和训练轮数等超参数，记录训练后的损失值和W、b变量值。

提交要求

  • 至少5次不同超参数的运行结果的记录文档（word格式或者txt格式）
  • 你认为最优的一次带运行结果的源代码文件（.ipynb 格式）
  • 以上两个文件一起压缩为一个压缩文件后作为附件上传

评价标准

  • 完成案例中的代码，有完整的代码，模型能运行优化出结果，8分；
  • 调整过超参数，记录文件中有至少5组数据，2分；

实验结果与分析

数据预处理

数据含义：

image-20221024204647010

注意：这里的 csv 字段名需要进行修正

另外，我们看出来boston.csv数据有如下特征：

  • 所有字段为数字型
  • 没有缺失值
  • 没有重复值
  • 存在异常值（大于或小于 3sigma）

执行步骤：

  1. 处理异常值
  2. 进行标准化
  3. 保存已经处理的数据

训练模型

image-20221025005325590