基于Udacity机器学习模型的波士顿房价预测算法完整源码.zip

# 项目1：模型评估与验证 ## 波士顿房价预测 ### 准备工作 这个项目需要安装**Python 2.7**和以下的Python函数库： - [NumPy](http://www.numpy.org/) - [matplotlib](http://matplotlib.org/) - [scikit-learn](http://scikit-learn.org/stable/) 你还需要安装一个软件，以运行和编辑[ipynb](http://jupyter.org/)文件。 优达学城推荐学生安装 [Anaconda](https://www.continuum.io/downloads)，这是一个常用的Python集成编译环境，且已包含了本项目中所需的全部函数库。我们在P0项目中也有讲解[如何搭建学习环境](https://github.com/nd009/titanic_survival_exploration/blob/master/README.md)。 ### 代码 代码的模版已经在`boston_housing.ipynb`文件中给出。你还会用到`visuals.py`和名为`housing.csv`的数据文件来完成这个项目。我们已经为你提供了一部分代码，但还有些功能需要你来实现才能以完成这个项目。 ### 运行 在终端或命令行窗口中，选定`boston_housing/`的目录下（包含此README文件），运行下方的命令： ```jupyter notebook boston_housing.ipynb``` 这样就能够启动jupyter notebook软件，并在你的浏览器中打开文件。 ### 数据 经过编辑的波士顿房价数据集有490个数据点，每个点有三个特征。这个数据集编辑自[加州大学欧文分校机器学习数据集库（数据集已下线）](https://archive.ics.uci.edu/ml/datasets.html). **特征** 1. `RM`: 住宅平均房间数量 2. `LSTAT`: 区域中被认为是低收入阶层的比率 3. `PTRATIO`: 镇上学生与教师数量比例 **目标变量** 4. `MEDV`: 房屋的中值价格