首页 > 其他分享 >实验一:波士顿房价预估

实验一:波士顿房价预估

时间:2024-03-28 10:34:05浏览次数:14  
标签:jupyterlab 1.0 房价 0.2 预估 tensorflow 波士顿 jupyter 2.11

环境:Acanda3 2024.02-1+Python-3.7.16+scikit-learn==1.0.2+keras==2.11.0

Package Version
---------------------------- -----------
absl-py 2.1.0
anyio 3.5.0
argon2-cffi 21.3.0
argon2-cffi-bindings 21.2.0
astunparse 1.6.3
attrs 22.1.0
backcall 0.2.0
beautifulsoup4 4.11.1
bleach 4.1.0
cachetools 5.3.3
certifi 2022.12.7
cffi 1.15.1
charset-normalizer 3.3.2
colorama 0.4.6
debugpy 1.5.1
decorator 5.1.1
defusedxml 0.7.1
entrypoints 0.4
fastjsonschema 2.16.2
flatbuffers 24.3.25
flit_core 3.6.0
gast 0.4.0
google-auth 2.29.0
google-auth-oauthlib 0.4.6
google-pasta 0.2.0
grpcio 1.62.1
h5py 3.8.0
idna 3.4
importlib-metadata 4.11.3
importlib-resources 5.2.0
ipykernel 6.15.2
ipython 7.31.1
ipython-genutils 0.2.0
ipywidgets 7.6.5
jedi 0.18.1
Jinja2 3.1.2
joblib 1.1.1
json5 0.9.6
jsonschema 4.17.3
jupyter 1.0.0
jupyter_client 7.4.9
jupyter-console 6.4.4
jupyter_core 4.11.2
jupyter-server 1.23.4
jupyterlab 1.2.6
jupyterlab-pygments 0.1.2
jupyterlab-server 1.0.7
jupyterlab-widgets 1.0.0
keras 2.11.0
libclang 18.1.1
lxml 4.9.1
Markdown 3.4.4
MarkupSafe 2.1.1
matplotlib-inline 0.1.6
mistune 0.8.4
nbclassic 0.5.2
nbclient 0.5.13
nbconvert 6.5.4
nbformat 5.7.0
nest-asyncio 1.5.6
notebook 6.5.2
notebook_shim 0.2.2
numpy 1.21.6
oauthlib 3.2.2
opt-einsum 3.3.0
packaging 22.0
pandas 1.3.5
pandocfilters 1.5.0
parso 0.8.3
pickleshare 0.7.5
pip 22.3.1
pkgutil_resolve_name 1.3.10
ply 3.11
prometheus-client 0.14.1
prompt-toolkit 3.0.36
protobuf 3.19.6
psutil 5.9.0
pyasn1 0.5.1
pyasn1-modules 0.3.0
pycparser 2.21
Pygments 2.11.2
PyQt5 5.15.7
PyQt5-sip 12.11.0
pyrsistent 0.18.0
python-dateutil 2.8.2
pytz 2024.1
pywin32 305.1
pywinpty 2.0.10
pyzmq 23.2.0
qtconsole 5.4.0
QtPy 2.2.0
requests 2.31.0
requests-oauthlib 2.0.0
rsa 4.9
scikit-learn 1.0.2
scipy 1.7.3
Send2Trash 1.8.0
setuptools 65.6.3
sip 6.6.2
six 1.16.0
sniffio 1.2.0
soupsieve 2.3.2.post1
tensorboard 2.11.2
tensorboard-data-server 0.6.1
tensorboard-plugin-wit 1.8.1
tensorflow 2.11.0
tensorflow-estimator 2.11.0
tensorflow-intel 2.11.0
tensorflow-io-gcs-filesystem 0.31.0
termcolor 2.3.0
terminado 0.17.1
threadpoolctl 3.1.0
tinycss2 1.2.1
toml 0.10.2
tornado 6.2
traitlets 5.7.1
typing_extensions 4.7.1
urllib3 2.0.7
wcwidth 0.2.5
webencodings 0.5.1
websocket-client 0.58.0
Werkzeug 2.2.3
wheel 0.38.4
widgetsnbextension 3.5.2
wincertstore 0.2
wrapt 1.16.0
zipp 3.11.0
详细软件包

 

实验中遇到的几个问题

错误1

解决办法

问题2

 解决办法:尝试了更改安装tensorflow、更改keras版本、python版本后无果
最终通过更改typing-extension的版本成功解决

标签:jupyterlab,1.0,房价,0.2,预估,tensorflow,波士顿,jupyter,2.11
From: https://www.cnblogs.com/xxaxf/p/18100970

相关文章

  • 实验一——波士顿房价预测
    具体代码(Python版本)#coding:utf-8#importtensorflowastfimporttensorflow.compat.v1astftf.disable_v2_behavior()fromsklearn.datasetsimportload_bostonimportmatplotlib.pyplotaspltimportmatplotlibmatplotlib.use('TkAgg')fromsklearn.......
  • 机器学习之线性回归与逻辑回归【完整房价预测和鸢尾花分类代码解释】
    目录前言一、什么是线性回归二、什么是逻辑回归三、基于Python和Scikit-learn库实现线性回归示例代码: 使用线性回归来预测房价:四、基于Python和Scikit-learn库实现逻辑回归五、总结 线性回归的优缺点总结:逻辑回归(LogisticRegression)是一种常用的分类算法,......
  • EKF、UKF车用锂离子电池SOC预估及充电控制策略研究
    复现了论文:车用锂离子电池SOC预估及充电控制策略研究[D],2018,吉林大学的论文,参考文献使用的EKF和UKF的simulink仿真模型。其中含有使用方法以及参考文献。锂电池SOC预测代码获取:EKF、UKF车用锂离子电池SOC预估及充电控制策略研究......
  • R语言逻辑回归、GAM、LDA、KNN、PCA主成分分类分析预测房价及交叉验证
    全文链接:https://tecdat.cn/?p=35263原文出处:拓端数据部落公众号本研究旨在帮助客户利用房价数据集进行数据分析,该数据集包含82个变量和2930个数据点。研究目标是通过分类算法将房价分为两个类别。在数据预处理阶段,排除了Order、PID和SalesPrice等变量,对数据进行整合和转换以适......
  • R语言结构方程模型SEM、路径分析房价和犯罪率数据、预测智力影响因素可视化2案例|附代
    原文链接:http://tecdat.cn/?p=25044原文出处:拓端数据部落公众号最近我们被客户要求撰写关于结构方程模型的研究报告,包括一些图形和统计输出。1简介在本文,我们将考虑观察/显示所有变量的模型,以及具有潜在变量的模型。第一种有时称为“路径分析”,而后者有时称为“测量模型”。......
  • 机器人的未来是成为汽车人吗?为啥韩国现代汽车要买波士顿动力
    参考:https://zhidx.com/p/244762.html这里说的机器人并不是传统的工业机器人,而是未来的智能工业机器人。传统的工业机器人都是写入固定的程序,用来重复执行固定的工作范式的,但是未来的智能机器人的目标是可以应付复杂多变的环境的,因此传统的机器人智能在汽车工厂里做简单的重复......
  • 为什么波士顿机器人用的是液压动力而不是电机驱动?
    提出问题:为什么波士顿机器人用的是液压动力而不是电机驱动?查询Google:答案:不过,液压驱动的显著优势是其功重比非常大,响应速度快、控制精度高且具备极高的负重能力和爆发力。在同样的空间内,用液压元件所做的功是电机的数倍甚至是数十倍。如果说几个电驱的机器人能拉动一辆卡车......
  • 机器学习笔记(二)使用paddlepaddle,再探波士顿房价预测
    目标用paddlepaddle来重写之前那个手写的梯度下降方案,简化内容流程实际上就做了几个事:数据准备:将一个批次的数据先转换成nparray格式,再转换成Tensor格式前向计算:将一个批次的样本数据灌入网络中,计算出结果计算损失函数:以前向计算的结果和真是房价作为输入,通过算是函数sqare......
  • 机器学习笔记(一)从波士顿房价预测开始,梯度下降
    从波士顿房价开始目标其实这一章节比较简单,主要是概念,首先在波士顿房价这个问题中,我们假设了一组线性关系,也就是如图所示我们假定结果房价和这些参数之间有线性关系,即:然后我们假定这个函数的损失函数为均方差,即:那么就是说,我们现在是已知y和x,来求使得这个损失函数Loss最小......
  • Tita 升级 | 预估工时
    适用于以下情境:Tita-OKR和新绩效一体化管理平台1.需要通过实际与预估工时对比,衡量人员效率进行评估考核 2.需要通过工时统计,预测或计算项目开发投入的人时成本,衡量项目效益在哪设置「预估工时」?使用前提:需要超管在tita网页版–开启高级功能–「预估工时」开启后,任......