TensorFlow2.0入门到进阶2.7 —— 一个房价预测回归项目轻松入门TensorFlow_tensorflow 2.0 价格预测

之前已经介绍了一个服装分类项目：https://blog.csdn.net/caoyuan666/article/details/105390193
本项目同样将用采用sklearn自带的数据集，带大家轻松入门TensorFlow的回归问题。
开发环境：
tensorflow 2.0.0
sklearn 0.21.3

1、导入所需模块

首先，导入所需模块，并打印各个模块的版本号等信息，有些模块本节可能未涉及到，但是未来会用，这里也先导入了，之后写程序直接复制粘贴即可，很方便。

import matplotlib as mpl
import matplotlib.pyplot as plt
#为了在jupyter notebook中画图
%matplotlib inline
import numpy as np
import sklearn
import pandas as pd
import os
import sys
import time
import tensorflow as tf
from tensorflow import keras

print(tf.__version__)
print(sys.version_info)
for module in mpl,np,pd,sklearn,tf,keras:
    print(module.__name__,module.__version__)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

如果出现那个库没有安装的话，可以参考下面链接进行安装：
https://blog.csdn.net/caoyuan666/article/details/104935862

2、加载数据集

这里利用的是sklearn自带的一个数据集fetch_california_housing，该数据集是加利福尼亚住房数据集的修改版本，可从LuísTorgo的页面（波尔图大学）获得。LuísTorgo从StatLib存储库（现已关闭）获取它。也可以从StatLib镜像下载数据集。

该数据集出现在1997年由Pace，R.Kelley和Ronald Barry撰写的名为Sparse Spatial Autoregressions的论文中，该论文发表于“ 统计与概率快报 ”期刊。他们使用1990年加州人口普查数据建立了它。每个人口普查区块组包含一行。区块组是美国人口普查局发布样本数据的最小地理单位（区块组通常拥有600至3,000人口）。

该数据集是从StatLib存储库获得的。http://lib.stat.cmu.edu/datasets/

• 实例数：20640
• 属性数量：8个数字，预测属性和目标
• 属性信息：
  -MedInc收入中位数
  -HouseAge房屋平均年龄
  -AveRooms平均房间数
  -AveBedrms平均卧室数
  -人口人口
  -AveOccup平均房屋出租率
  -纬度房屋街区纬度
  -经度房屋街区经度
• 目标变量是加利福尼亚地区的房屋中位价。

这里如果是第一次运行，请保持联网，执行第一条语句时将会自动从网络中下载fashion_mnist数据集，可能会花费一段时间，一般几分钟即可，之后再执行就会直接调用，无需等待。

from sklearn.datasets import fetch_california_housing

housing=fetch_california_housing()

print(housing.DESCR)
print(housing.data.shape)
print(housing.target.shape)
1
2
3
4
5
6
7

3、查看数据

import pprint

pprint.pprint(housing.data[0:5])
pprint.pprint(housing.target[0:5])
1
2
3
4

结果：

array([[ 8.32520000e+00,  4.10000000e+01,  6.98412698e+00,
         1.02380952e+00,  3.22000000e+02,  2.55555556e+00,
         3.78800000e+01, -1.22230000e+02],
       [ 8.30140000e+00,  2.10000000e+01,  6.23813708e+00,
         9.71880492e-01,  2.40100000e+03,  2.10984183e+00,
         3.78600000e+01, -1.22220000e+02],
       [ 7.25740000e+00,  5.20000000e+01,  8.28813559e+00,
         1.07344633e+00,  4.96000000e+02,  2.80225989e+00,
         3.78500000e+01, -1.22240000e+02],
       [ 5.64310000e+00,  5.20000000e+01,  5.81735160e+00,
         1.07305936e+00,  5.58000000e+02,  2.54794521e+00,
         3.78500000e+01, -1.22250000e+02],
       [ 3.84620000e+00,  5.20000000e+01,  6.28185328e+00,
         1.08108108e+00,  5.65000000e+02,  2.18146718e+00,
         3.78500000e+01, -1.22250000e+02]])
array([4.526, 3.585, 3.521, 3.413, 3.422])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

4、划分数据集

from sklearn.model_selection import train_test_split

x_train_all,x_test,y_train_all,y_test=train_test_split(
    housing.data,housing.target,random_state=7)
x_train,x_valid,y_train,y_valid=train_test_split(
    x_train_all,y_train_all,random_state=11)
print(x_train.shape,y_train.shape)
print(x_valid.shape,y_valid.shape)
print(x_test.shape,y_test.shape)
1
2
3
4
5
6
7
8
9

X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=0.3, random_state=0)
参数解释：

• train_data：被划分的样本特征集
• train_target：被划分的样本标签
• test_size：如果是浮点数，在0-1之间，表示样本占比；如果是整数的话就是样本的数量,默认为0.25。
• random_state：是随机数的种子。
• 随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，每次都会不一样。

随机数的产生取决于种子，随机数和种子之间的关系遵从以下两个规则：
种子不同，产生不同的随机数；种子相同，即使实例不同也产生相同的随机数。

5、数据归一化

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
x_train_scaled = scaler.fit_transform(x_train)
x_valid_scaled = scaler.transform(x_valid)
x_test_scaled = scaler.transform(x_test)
1
2
3
4
5
6

6、创建训练模型（神经网络）

model=keras.models.Sequential([
    keras.layers.Dense(30,activation='relu',
                      input_shape=x_train.shape[1:]),
    keras.layers.Dense(1),
])

model.summary()
model.compile(loss='mean_squared_error',
              optimizer='adam',)
1
2
3
4
5
6
7
8
9

可查看模型结果如下：

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense (Dense)                (None, 30)                270       
_________________________________________________________________
dense_1 (Dense)              (None, 1)                 31        
=================================================================
Total params: 301
Trainable params: 301
Non-trainable params: 0
1
2
3
4
5
6
7
8
9
10
11

7、训练模型

callbacks=[keras.callbacks.EarlyStopping(patience=5,min_delta=1e-2)]
history=model.fit(x_train_scaled,y_train,
         epochs=100,
         validation_data=(x_valid_scaled,y_valid),
         callbacks = callbacks )
1
2
3
4
5

8、结果

def plot_learning_curves(history):
    #设置画布大小为8和5
    pd.DataFrame(history.history).plot(figsize=(8,5))
    #显示网格
    plt.grid(True)
    #set_ylim为设置y坐标轴的范围
    plt.gca().set_ylim(0,1)
    plt.show()
    
plot_learning_curves(history)
1
2
3
4
5
6
7
8
9
10