波士頓房價預測模型


Posted by Yi on 2020-07-04

作為本部落格第一篇文章,雖然波士頓房價預測早已被做到爛掉了
但是萬事起頭難,踏出第一步總是比空想不出手要來的好多
所以特意選了比較簡單的題目~

step1 找資料 處理資料

首先,機器學習方法其實本質是回歸的想法,所以一切的起源都是data。
就跟煮菜一樣,你得至少先有,才能炒,
並且處理食材的步驟與食材本身直接影響品質好壞。
不論是從照片,影片,甚至是跟阿法狗一樣從對手的棋路分析,都是有一個input。

個人認為這在現實中是最難的部份,往往要做什麼,
do下去之後可能會怎樣,比真的實際做更花腦力與時間,
但往往這也是發揮創意與創新的地方,畢竟新手都還是在應用層面不是在算法開發層面,但如何用?用在哪?將會是你重要的軟實力,當大家技術都達到,或是長江後浪推前浪後,你無可取代的部份。


進入主題,大家先去 這裡 下載一下data

import numpy as np
import tensorflow as tf
import pandas as pd

path = 'C:\\XXX\house_price\\kc_house_data.csv'
data_new = pd.read_csv(path)

#print(data_new.head(1))
print(data_new.shape)
print(data_new.dtypes)

貼心提醒,讀取資料得命令是用字串格式,而字串反斜線是跳脫符
所以都要幫他加一個\,電腦讀才會是你要的
順便看一下資料長怎樣,資料的大小,資料資料結構










Related Posts

Brief Introduction

Brief Introduction

[12] 值 - 陣列、類陣列

[12] 值 - 陣列、類陣列

React 基礎:一些重要但不成文的事

React 基礎:一些重要但不成文的事


Comments