turicreate入门系列文章目录
1，turicreate入门 - jupyter & turicreate安装
3，turicreate入门 - 优化回归模型，使得预测更准确
0，上传准备好的数据文件
1，导入模块
2，加载数据
sf = tc.SFrame('fang_data.csv')
可能遇到文件编码格式错误，使用文本编辑工具如notepad++将文件格式转换为utf-8即可。
3，浏览数据
4，查看区域-价格基本关系
tc.visualization.box_plot(sf['zone'], sf['price'],'区域','价格','区域-价格概况')
5，面积-租赁价格散点图
tc.visualization.scatter(sf['area'], sf['price'], xlabel='面积', ylabel='租赁价格')
6，基于面积-价格的简单预测模型
1）建立训练数据和测试数据集
train_data, test_data = sf.random_split(.8,seed=0)
2）建立模型
area_price_model = tc.linear_regression.create(train_data,target='price',features=['area'])
3）使用matplotlib展示
%matplotlib inline
import matplotlib.pyplot as plt
plt.plot(test_data['area'],test_data['price'],'.',
test_data['area'],area_price_model.predict(test_data),'-')
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。