《程序设计综合实践》课件_第6章 波士顿房价预测.ppt

***********—评估神经网络模型项目实现11评估神经网络模型将测试集test.txt文件与main.c文件放在同一目录下。测试集包含了126组数据，输入和期望输出数据均放在一个文件中。使用均方根误差评估模型的预测精度，假设测试数据集的样本数为TestData，则均方根误差表示为：项目总结12本章总结BP神经网络实现了一个从输入到输出的映射功能。数学理论也已证明了它具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂的问题，能通过学习带正确答案的实例集自动提取“合理的”求解规则，即具有自学习能力。BP神经网络是一种有监督学习算法。所谓有监督学习是指：在学习中，每一个样本都是由一组输入值和一组期望的输出值（也被称为监督信号），产生一个推断。项目拓展13项目拓展尝试使用深度神经网络构建波士顿房价预测模型，并将其预测精确度与三层BP神经网络模型、多元线性回归模型进行比对。谢谢观看14****讲到每个维度的时候，用红框纵向框起来。*讲到不同部位，在图上做出相应标记。*讲到图中相应地方需要标记出来。*********下面我们来实现整个算法**********第6章波士顿房价预测项目程序设计综合实践问题描述1问题描述波士顿房价数据集（部分）CRIMZNINDUSCHASNOXRMAGEDISRADTAXPTRATIOBLSTATMEDV0.259150.0021.89000.62405.693096.001.78834437.021.20392.1117.1916.200.111320.0027.74000.60905.983083.502.10994711.020.10396.9013.3520.100.050830.005.19000.51506.316038.106.45845224.020.20389.715.6822.200.056020.002.46000.48807.831053.603.19923193.017.80392.634.4550.002.733970.0019.58000.87105.597094.901.52575403.014.70351.8521.4515.400.253560.009.90000.54405.705077.703.94504304.018.40396.4211.5016.200.1621120.006.96000.46406.240016.304.42903223.018.60396.906.5925.20求解问题：已知波士顿地区506条房价数据。设计一种算法构建波士顿房价预测模型，能根据13个与房价相关的特征预测自住房的平均价格。解题思路2问题分析CRIMZNINDUSCHASNOXRMAGEDISRADTAXPTRATIOBLSTATMEDV0.259150.0021.89000.62405.693096.001.78834437.021.20392.1117.1916.200.111320.0027.74000.60905.983083.502.10994711.020.10396.9013.3520.100.050830.005.19000.51506.316038.106.45845224.020.20389.715.6822.200.056020.002.46000.48807.831053.603.19923193.017.80392.634.4550.002.733970.0019.58000.87105.597094.901.52575403.014.70351.8521.4515.400.253560.009.90000.54405.705077.703.94504304.018.40396.4211.5016.200.1621120.006.96000.46406.240016.304.42903223.018.60396.906.5925.20采用BP神经网络构建波士顿房价预测模型。利用已有数据集找出输入与输出之间的权值关系（近似），然后利