- 1、本文档共38页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第6章 波士顿房价预测
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)
CRIM
ZN
INDUS
CHAS
NOX
RM
AGE
DIS
RAD
TAX
PTRATIO
B
LSTAT
MEDV
0.25915
0.00
21.890
0
0.6240
5.6930
96.00
1.7883
4
437.0
21.20
392.11
17.19
16.20
0.11132
0.00
27.740
0
0.6090
5.9830
83.50
2.1099
4
711.0
20.10
396.90
13.35
20.10
0.05083
0.00
5.190
0
0.5150
6.3160
38.10
6.4584
5
224.0
20.20
389.71
5.68
22.20
0.05602
0.00
2.460
0
0.4880
7.8310
53.60
3.1992
3
193.0
17.80
392.63
4.45
50.00
2.73397
0.00
19.580
0
0.8710
5.5970
94.90
1.5257
5
403.0
14.70
351.85
21.45
15.40
0.25356
0.00
9.900
0
0.5440
5.7050
77.70
3.9450
4
304.0
18.40
396.42
11.50
16.20
0.16211
20.00
6.960
0
0.4640
6.2400
16.30
4.4290
3
223.0
18.60
396.90
6.59
25.20
解题思路
2
问题分析
13个特征
CRIM
ZN
INDUS
CHAS
NOX
RM
AGE
DIS
RAD
TAX
PTRATIO
B
LSTAT
MEDV
0.25915
0.00
21.890
0
0.6240
5.6930
96.00
1.7883
4
437.0
21.20
392.11
17.19
16.20
0.11132
0.00
27.740
0
0.6090
5.9830
83.50
2.1099
4
711.0
20.10
396.90
13.35
20.10
0.05083
0.00
5.190
0
0.5150
6.3160
38.10
6.4584
5
224.0
20.20
389.71
5.68
22.20
0.05602
0.00
2.460
0
0.4880
7.8310
53.60
3.1992
3
193.0
17.80
392.63
4.45
50.00
2.73397
0.00
19.580
0
0.8710
5.5970
94.90
1.5257
5
403.0
14.70
351.85
21.45
15.40
0.25356
0.00
9.900
0
0.5440
5.7050
77.70
3.9450
4
304.0
18.40
396.42
11.50
16.20
0.16211
20.00
6.960
0
0.4640
6.2400
16.30
4.4290
3
223.0
18.60
396.90
6.59
25.20
三层BP神经网络基本原理
三层BP神经网络模型
训练结束条件:
(1)误差小于预设值
(2)训练次数达到预设的上限值
BP神经元模型
典型激活函数
前向传播
说明:在本项目中先不考虑阈值影响。
反向传播算法的数学推导
误差的反向传播:将输出误差通过隐含层向输入层逐层反传,并将误差作为修正各单元连接权值的依据。
假设实际输出和期望输出之间的误差是E,则对于单个样本所产生的误差损失为:
反向传播算法的数学推导
反向传播算法的数学推导
全局均方误差
算法步骤
步骤7:使用测试集评估模型。输入测试数据,经过训练好的神经网络模型计算,输出预测结果,并依据全局均方根误差公式计算预测精度,并输出。
步骤5:计算全局均方误差。
步骤6:判断是否达到训练次数或误差达到预设精度。当满足条件时,结束训练进入下一步。若不满足,则返回步骤3,进入下一轮训练。
算法执行过程
主函数main{
读取样本数据 ReadData();
初始化BP神经网络 InitBPNetwork(){
包括数据的归一,神经元连接权值初始化w[Neuron][In]、v[Out][Neuron]等;
}
BP神经网络训练 TrainNetwork(){
do{
for(i 小于 样本容量Data){
计算按照第i个样本输入,产生的BP神经网络的输出 ComputO(i);
您可能关注的文档
最近下载
- UML课程设—学校教材订购系统.docx
- 《建筑物防雷设计规范》GB50057-2022.docx
- 水利水电工程单元工程施工质量验收评定表--混凝土工程.doc VIP
- ISO 10993-12-2021中文+英文,医疗器械的生物评价.第12部分.pdf
- 小学语文五年级下册第一单元《祖父的园子》 单元作业设计.pdf
- 传感器原理及应用教学课件(完整版).pptx
- 岩石地基开挖地质缺陷处理工序施工质量验收评定表.docx VIP
- 一般工程土建资料分部、分项、检验批划分表及工程质量验收计划及检验批划分的编制实施细则.doc
- 【营销管理英文课件】STP Marketing.ppt
- 卫生院处方点评记录表.docx
文档评论(0)