人工智能:波士顿房价预测线性回归实践
按课程案例,动手完成编码实践。 通过梯度下降优化器进行优化,尝试采用不同的学习率和训练轮数等超参数,记录训练后的损失值和W、b变量值。 提交要求: 1、至少5次不同超参数的运行结果的记录文档(word格式或者txt格式) 2、你认为最优的一次带运行结果的源代码文件(.ipynb 格式) 3、以上两个文件一起压缩为一个压缩文件后作为附件上传 评价标准: 1、完成案例中的代码,有完整的代码,模型能运行优化出结果,8分; 2、调整过超参数,记录文件中有至少5组数据,2分; 利用python面向对象的思想,对其进行编程: %matplotlib notebook import tensorflow.c
用户评论