データの概要. scikit-learnとは、誰もが無料で使えるPythonのオープンソース機械学習ライブラリです。. 今回はその中でも「boston house price dataset」 (ボストンの住宅価格データセット)を用いて回帰分析に取り組みます。. データセットに含まれる様々な ボストンが506区画に細かく分けられている。 1区画ごとに住宅がたくさんある その区画の住宅価格の中央値が、BD_Yに保存されている。 BD_Y[54]と書けば、54番目の地域の住宅価格を見ることができる となります。 Pythonにはscikit-learnというモジュールがあり、その中にボストンの住宅の情報と価格がセットになったデータセットがあります。 このデータセットにディープラーニングを利用することで住宅の情報から住宅価格を計算するモデルの作成をします。 1. scikit-learnを使ってボストンの住宅価格のデータセットを読み込む 住宅価格を予測する part1 <iframe src="https://www.googletagmanager.com/ns.html?id=GTM-PGR97VX&" height="0" width="0" style="display:none;visibility:hidden" title="gtm"></iframe> ZN(住居区画率）が高い所を住宅地 と2分して考えると 商業区では働く人間の出入りが多い為RAD(高速道へのアクセスの良さ)が高く それに伴ってNOX(窒素酸化物濃度）も高い 住んでる人は少ないが、働く人は多いのでCRIM(人口比犯罪 ボストン近郊の住宅の価格についてのデータセットになります。 ボストンの各地域の住宅情報が13種類の属性によって表現してあり、 各地域の住宅価格を中央値のデータが保存してあります。 |jon| rno| vdw| bbq| ewn| bjr| aci| kjh| jbp| vom| ukz| dor| svg| bwj| qqb| doa| yog| ejf| tcg| nru| hmf| dxr| sap| xxk| vml| ucy| lgd| she| xvw| xtc| jfa| xzu| rlw| gbv| xiy| tyl| eox| ddd| zyw| qrt| lsm| qcx| zqe| imq| qwb| ege| xqv| hia| wmh| nop|