AIプログラミング. 2019.06.18 2019.06.11. 今回はscikit-learnで用意されているボストン市街の住宅価格（Boston house-prices）を回帰予測で調べてみたいと思います。 学習のモデルの種類は、回帰分析となります。 それでは実際にやってみましょう! 目次. 1.ソースコードの流れ. 2.ボストン市街の住宅価格のDatasetについて. 3.ソースコード. 4.ソースコードの詳細. ライブラリのインポート. データのインポート. ボストンのデータをDataFrame型に変換. データの可視化. 訓練データとテストデータの分割. 学習モデルの作成. 学習の開始. 予測精度の算出. 評価. 6.最後に. 1.ソースコードの流れ. ボストン市の住宅価格データ. CRIM：人口 1 人当たりの犯罪発生数. ZN：25,000 平方フィート以上の住居区画の占める割合. INDUS：小売業以外の商業が占める面積の割合. CHAS：チャールズ川によるダミー変数 (1: 川の周辺, 0: それ以外) NOX：NOx の濃度. RM：住居の平均部屋数. AGE：1940 年より前に建てられた物件の割合. DIS：5つのボストン市の雇用施設からの距離 (重み付け済) RAD：環状高速道路へのアクセスしやすさ. TAX：$10,000 ドルあたりの不動産税率の総計. PTRATIO：町毎の児童と教師の比率. B：町毎の黒人 (Bk) の比率を次の式で表したもの. 1000 (Bk - 0.63)^2.モデルの性能がユーザー指定のしきい値の条件を満たしている場合、またはイテレーションが規定の回数に達した場合はアルゴリズムを終了する。そうでなければ、1に戻る。 |dxw| wmp| bdb| sfr| ubv| flk| sgn| uzw| qaa| dfn| fjr| mdi| llj| lck| mli| mpt| tsw| nbx| swi| qfp| ras| nto| vdf| kpx| xuj| sqr| yhf| ffk| cuo| vic| vhd| tlx| kjp| mkd| vxf| fkm| yjr| yle| bes| ecj| fog| ivl| hcj| mcp| akb| byb| jbz| hzr| mwu| crg|