人工智能技术实验手册 第2章 机器学习概览实验指导手册.docx

DOCPROPERTY ProductProject Name DOCPROPERTY DocumentName PAGE i DOCPROPERTY ProprietaryDeclaration 华为专有和必威体育官网网址信息 版权所有 ? 华为技术有限公司 文档版本 DOCPROPERTY DocumentVersion 01 ( DOCPROPERTY ReleaseDate 2015-12) 华为ICT认证系列教程 DOCPROPERTY ProductProject Name 人工智能技术 第2章 机器学习概览 实验指导手册 DOCPROPERTY Confidential 第 PAGE 1页 前 言 内容描述 本实验指导书书共包含1个实验，是基于如何利用sklearn-learn, python包利用不同的回归算法来对波士顿地区的房价来进行预测，希望学员或者读者能够入门机器学习，具备机器学习构建的基础编程能力。 读者知识背景 本课程为华为认证基础课程，为了更好地掌握本书内容，阅读本书的读者应首先具备以下基本条件： 具有基本的Python语言编程能力，有一定的数据结构基础，同时对深度学习算法知识有一定的认识。 实验环境说明 Python开发工具 本实验环境是基于Python3.6环境开发编译的。 目录 TOC \o 1-3 \h \z \u 前 言 1 内容描述 1 读者知识背景 1 实验环境说明 1 1 波士顿房价预测 3 1.1 实验介绍 3 1.1.1 关于本实验 3 1.1.2 实验目的 3 1.1.3 本实验数据集与框架 3 1.2 实验代码 4 1.2.1 引入相关依赖的包 4 1.2.2 载入数据集， 查看数据属性，可视化 5 1.2.3 分割数据集，并对数据集进行预处理 6 1.2.4 利用各类回归模型，对数据集进行建模 7 1.2.5 利用网格有哪些信誉好的足球投注网站对超参数进行调节 8 1.3 本章总结 10  波士顿房价预测 实验介绍 关于本实验 本实验所使用的开发环境的具体搭建可以参照《人工智能技术实验环境搭建实验手册》；由于本案例使用的数据集样本量较小,且数据来自于scikit-learn自带的开源波士顿房价数据。波士顿房价预测项目是一个简单的回归模型，通过该项目的学习可以学会一些关于机器学习库sklearn的基本用法和一些基本的数据处理方法。 实验目的 利用网络公开的波士顿房价数据集，作为模型输入数据。 构建机器学习模型，并进行训练与评估。 了解机器学习模型搭建的总体流程。 掌握机器学习模型训练，网格有哪些信誉好的足球投注网站，评估指标的运用。 掌握相关API的使用。 本实验数据集与框架 该案例主要内容是进行波士顿数据集，共有13个特征，总共506条数据，每条数据包含房屋以及房屋周围的详细信息。其中包含城镇犯罪率，一氧化氮浓度，住宅平均房间数，到中心区域的加权距离以及自住房平均房价等等。具体如下： CRIM：城镇人均犯罪率。 ZN：住宅用地超过 25000 sq.ft. 的比例。 INDUS：城镇非零售商用土地的比例。 CHAS：查理斯河空变量（如果边界是河流，则为1；否则为0）。 NOX：一氧化氮浓度。 RM：住宅平均房间数。 AGE：1940 年之前建成的自用房屋比例。 DIS：到波士顿五个中心区域的加权距离。 RAD：辐射性公路的接近指数。 TAX：每 10000 美元的全值财产税率。 PTRATIO：城镇师生比例。 B：1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例。 LSTAT：人口中地位低下者的比例。 target：自住房的平均房价，以千美元计。 框架：Sklearn,框架一方面提供波士顿房价数据，并且提供用于分割数据集，标准化，评价函数,另一方面集成了各类常规机器学习算法；另外我们使用了XGboost,是集成算法中GBDT的优化版本。 实验代码 引入相关依赖的包 # 防止不必要的警告import warningswarnings.filterwarnings(ignore)?# 引入数据科学基础包import numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltimport pandas as pdimport scipy.stats as stimport seaborn as sns## 设置属性防止画图中文乱码mpl.rcParams[font.sans-serif] = [uSimHei]mpl.rcParams[axes.unicode_m