房价预测模型

Posted 2022-05-03 我爱你，程序员

目录

1.模型目标

预测某一区域的房价中位数

2.选择框架

有监督学习任务：训练集中的每个实例都有标签(该区域的房价中位数)
回归任务：因为你要对某个值进行预测。更具体地说，这是一个多重回归问题，因为系统要使用多个特征进行预测（使用区域的人口、收入中位数等）。这也是一元回归问题，因为我们仅尝试预测每个区域的单个值。
简单的批量学习应该就能胜任：我们没有一个连续的数据流不断流进系统，所以不需要针对变化的数据做出特别调整。批量学习：当系统投入生产环境后，学习就停止。在线学习：系统发布了，还需要根据输入的训练数据逐步累积学习成果。

3.选择性能指标

均方根误差（RMSE）(Root Mean Square Error) --- 回归问题的首选性能指标

m表示数据集中的实例数
是数据集中第i个实例的所有特征值的向量，是其标签（该实例的期望输出值）
h是系统的预测函数，也称为假设。当给系统输入一个实例的特征向量时，它会为该实例输出一个预测值=h()
X是一个矩阵，包含数据集中所有实例的所有特征值。每个实例占一行，第 i 行等于的转置
RMSE（X，h）表示使用预测函数h在一组示例中测量的成本函数

平均绝对误差（MAE）(Mean Absolute Error)

我们将包含n个元素的向量v的范数定义为

RMSE对应范数，又称欧几里得范数，其实就是几何空间中两点的距离
MAE对应范数，又称曼哈顿范数。如果你只能沿着正交的城市街区行动，它能够测量城市中两点之间的距离。
范数指标越高，它越关注大值而忽略小值。这就是RMSE对异常值比MAE更敏感的原因。

4.