没有合适的资源?快使用搜索试试~ 我知道了~
AI_05_刘又源_房价预测项目总结报告1
需积分: 0 1 下载量 59 浏览量
2022-08-04
14:17:46
上传
评论
收藏 79KB PDF 举报
温馨提示
![preview](https://dl-preview.csdnimg.cn/86329048/0001-cb5d3288f36e8f45dcb816ae139ac5d7_thumbnail.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
试读
1页
1.1背景1.2 目的2 理论基础2.1 数学基础2.2 模型简介2.2.1 线性回归类模型2.2.4 神经网络2.2.5 集成学习3 项目流程与进展3.1 项
资源详情
资源评论
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/86329048/bg1.jpg)
房价预测项总结报告
1 引
1.1 背景
1.2 的
2 论基础
2.1 数学基础
2.2 模型简介
2.2.1 线性回归类模型
2.2.2 树回归-CART
2.2.3 SVM类型
2.2.4 神经络
2.2.5 集成学习
3 项流程与进展
3.1 项流程
3.1.1 算法的pipeline
数据采集->数据清洗->数据仓库->数据挖掘->数据标注->数据集市(训练集/评测集)->训练->评测->模型程(Int8定点化)->模型的集成和应
3.1.2 算法的baseline
训练集的制作->训练->评测
在形成个BaseLine之后,模型迭代的过程进步的标志是评测指标的提升。
3.1.3 实际流程
3.2 项进展
4 经验和
4.1 经验
4.2
5 成果与展望
5.1 成果
5.2 展望
6 建议
参考献
学习常机学习算法原、模型
线性回归
机学习的般流程(pipeline)
包括数据的预处,填充,探索性数据集分析,特征程,归化,同的模型训练,调参,找到最优参数,模型融合。
梯度下降
顿法
1 朴素线性回归
2 基于L1的线性回归
3 基于L2的线性回归
4 ElasticNet(弹性络L1与L2)
1 CART
2 RF
3 AdaBoost
4 GBDT--XGBoost--lightGBM
1 SVR
1 FC神经络
1 Stacking Ensemble
初步认识数据,解数据,解业务
数据的相关性分析,空值填充
数据集的准备、划分
各种模型训练,包括Lasso,RidgR,ElasticNet,Xgboost,FC。各种模型调参。
选择表现好的模型进stacking。
stacking之后就是断的重复上的过程,其中特征程花时间,需要尝试同特征之间的组合,相加、相乘等。
经过的尝试,重复上步骤,最后得到评测指标较优的模型。
基本按照3.1.3中进。作如下些尝试:
去掉些相关性低的特征
尝试组合些特征
进过pca降维度
robosaler
y值以万为单位,以及log后的w。y归化后训练,反归化测评。
grid与rand search
在相关性分析中,发现疑似噪声点,删除后模型在测试集上表现稍好。
全连接神经络训练,发现效果并是很好。
师课上的代码下来基本敲过,包括先线性模型和树模型。
解机学习项的流程。
掌握常的回归模型的原,解些调参技巧。
特征程很重要,有时候做些组合特征之后分数有所提。
初步掌握numpy,pandas以及些机学习库的使。
有时候很盲,知道怎么去做特征程才能提分数
对些知识点掌握得好,很多知识点能够听懂,概也知道怎么回事,但是要我讲出来,还。
时间上投还够。
代码能,师的代码很漂亮,我要是没有参考,copy肯定写出来。
还有些遗的,暂时没想起来。
我认为乎每个知识点都能写篇blog或总结,但是投真的够,效率也够。过后续会逐渐把各个知识点都写上,抠脚的博客和GitHub
请师批评指正。
blog:
https://www.cnblogs.com/zingp/p/10375691.html
https://www.cnblogs.com/zingp/p/10278223.html
https://www.cnblogs.com/zingp/p/10511176.html
github:
https://github.com/zingp/kaggle/tree/master/LosAngelesHousePricesForecast
未来希望能完成各个知识点的总结,包括算法的公式推导。
希望在特征程上多做尝试。
师讲课很有激情,很nice。技术和讲解都6得起!很喜欢师。
如果可以,带我们完整刷个kaggle项,感受下特征程中的痛苦和点点提分那种快感。少刷到top5%,这样我觉得解会深些,也
试。
希望公司给师配个写板,提师书写公式的效率,相信同学们上课体验会好很多。
最后,希望师画画重点,出点试题给我们练练。
师讲课的PPT、《统计学习法》、《机学习与应》、《百机学习》、《DeepLearning》、还有些博客,知乎等就出。
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![7z](https://img-home.csdnimg.cn/images/20210720083312.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![txt](https://img-home.csdnimg.cn/images/20210720083642.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![avatar](https://profile-avatar.csdnimg.cn/141c3e5920884513aa7b99522bec367f_weixin_35751412.jpg!1)
AIAlchemist
- 粉丝: 58
- 资源: 305
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)
评论0