人工智能+深度学习+利用神经网络进行波士顿房价预测+源码

### BostonPredict ​ 此仓库用来对波士顿问题进行预测，使用sklearn中的公开数据集，不过在data里面也附录了一份数据集，基于pytorch实现最终的模型。 ​ 对应博客地址为：[利用神经网络进行波士顿房价预测 - Zs's blog](https://blog.zzsqwq.cn/posts/182/) ​ 最终效果如下：  ### Network Sructure ​ 网络是一个二层的前馈神经网络，结构图大致如下：  ### Requirements ​ 需要Python 3.6 及以上版本，低版本可能也能用，需要大家自己尝试，在仓库根目录中使用如下命令来安装**requirements.txt** 中的所有的依赖 ```bash $ pip install -r requirements.txt ``` ### Predict ​ 仓库中主要包含两个文件：predict.py 和 Regression.py + **predict.py** 实现了利用前馈神经网络对波士顿房价进行预测，包含训练和预测两部分，里面有部分可选参数，具体如下： ```bash $ python predict.py -h usage: predict.py [-h] [--weights WEIGHTS] [--load_weights] [--hidden_layer HIDDEN_LAYER] [--learn_rate LEARN_RATE] [--input_shape INPUT_SHAPE] [--load_cols LOAD_COLS [LOAD_COLS ...]] [--epoch EPOCH] optional arguments: -h, --help show this help message and exit --weights WEIGHTS inital weights path --load_weights load weights or not --hidden_layer HIDDEN_LAYER The dim of hidden_layer --learn_rate LEARN_RATE The learning rate --input_shape INPUT_SHAPE The input_shape of networks,don't forget change load_cols --load_cols LOAD_COLS [LOAD_COLS ...] --epoch EPOCH The epoch of train ``` + **Regression.py** 此文件实现了利用 **sklearn** 中常见的回归模型对房价进行预测。 ### Pretrained model ​ 在weights目录下有我训练好的一个预训练模型 **Boston.pt** ，其中 hidden_layer=1000, epoch=10000, learn_rate=0.01 ​ 最终loss大概为 0.03 左右