預測房價：人工智能迴歸問題

​咱們以前提出了三個經典的問題，他們分別是：

1. 二分類問題（電影評論好壞傾向性判斷）
2. 多分類問題（將新聞按照主題分類）
3. 迴歸問題（根據房地產數據估算房地產價格）

咱們解決了前兩個問題，今天咱們解決第三個問題，迴歸問題。

無論是二分類問題仍是多分類問題，歸結起來都是分類問題，而回歸問題不同，他是一種迴歸問題，迴歸問題的訓練結果不是離散的狀況，而是連續的狀況，例如預測明天的氣溫、整年降水量等。

這裏咱們引入的依舊是 Keras 內置的實際問題和數據集：預測波斯頓的房價。針對波士頓的不一樣房屋，咱們給出對每一個房屋咱們給出十三個數據指標，包括房間數、犯罪率和高速公路可達性等，他們的取值範圍不一致，0-一、1-12 或 1-100 等，訓練的目標是一個連續的值——房屋的價格。具體的步驟以下分別說明：

1. 從數據集中讀取數據咱們已經很熟悉了，可是咱們觀察數據會發現，這些數據的取值範圍差異太大了，這會致使網絡訓練過程的失真，所以比較好的辦法是咱們先對數據進行預處理，預處理的方法是：(原數據 - 平均值) / 標準差，這就至關於對數據進行標準化，標準化後的數據平均值爲 0，標準差爲 1。mean 和 std 方法分別是求平均值和計算標準差。

2. 由於咱們這一次的數據量只有五百多個，所以咱們採用較小的網絡，兩個隱藏層。這裏咱們須要注意的一點是數據量少，訓練容易產生過擬合，小型網絡更適合。

3. 咱們仍然能夠用以前的方法進行訓練集與反饋集的劃分，但問題是因爲咱們的數據量過小了，所以具體如何劃分反饋集過於隨機，這會對最後的結果有很大的影響，所以咱們採用的是 K 折交叉驗證的方法。K 折交叉驗證的含義是咱們將數據集分爲 K 份，每次從這 K 份中選擇一份當作驗證集，進行 K 次互相獨立的訓練，最後取 K 次訓練的平均值。具體如圖：
   
4. 咱們畫出訓練 500 輪的圖，能夠看到最開始的一些數據不是好數據，咱們把他們去掉，而後再繪製一張圖，以下別是兩次繪製的結果，又能夠看到以前出現的問題——過擬合了，所以咱們調整循環次數爲 80 次
   
   

5. 修改後的訓練網絡是一個能夠接受的網絡，咱們在測試集上進行驗證，總體基本能夠達到要求。

到此，咱們已經分別討論文章開始提到的三個問題（包括前兩篇文章），二分類問題、多分類問題和迴歸問題，這其中咱們也遇到和解決了一些問題，下面總結以下：

• 神經網絡對數據的處理大多都須要轉化爲對數字的處理，所以對於文本等內容須要進行預處理；

• 對於數據集的大小、特徵的多少和特徵值之間的差異等，考慮數據網絡的大小，層數、數據的標準化和訓練的迭代次數，此類問題每每也須要畫圖去觀察和判斷，最後須要根據調整的參數最終獲得比較合適的網絡模型；

• 訓練迭代次數不夠和過擬合都是常常遇到的問題，都是不夠好的訓練網絡，實際問題中須要對兩種狀況都進行評估和調整；

• 損失函數和反饋函數的選取，須要考慮實際問題，根據數據的要求，進行選擇；

接下來的文章，將進一步針對上面提到的這些問題進行更加系統的分析和研究。

#!/usr/bin/env python3

import time

import numpy as np
from keras import layers
from keras import models
from keras.datasets import boston_housing


def housing():
    global train_data

    (train_data, train_targets), (test_data, test_targets) = boston_housing.load_data()
    # (404, 13)
    # print(train_data.shape)
    # (102, 13)
    # print(test_data.shape)
    # [15.2 42.3 50.  21.1 17.7 18.5 11.3 ... 19.4 19.4 29.1]
    # print(train_targets)

    # 平均值
    mean = train_data.mean(axis=0)
    train_data -= mean
    # 標準差
    std = train_data.std(axis=0)
    train_data /= std
    test_data -= mean
    test_data /= std

    k = 4
    num_val_samples = len(train_data) // k
    num_epochs = 500
    all_mae_histories = []
    for i in range(k):
        print('processing fold #', i)
        val_data = train_data[i * num_val_samples: (i + 1) * num_val_samples]
        val_targets = train_targets[i * num_val_samples: (i + 1) * num_val_samples]
        partial_train_data = np.concatenate(
            [train_data[:i * num_val_samples],
             train_data[(i + 1) * num_val_samples:]],
            axis=0)
        partial_train_targets = np.concatenate(
            [train_targets[:i * num_val_samples],
             train_targets[(i + 1) * num_val_samples:]],
            axis=0)
        model = build_model()
        model.fit(train_data, train_targets,
                  epochs=80, batch_size=16, verbose=0)
        test_mse_score, test_mae_score = model.evaluate(test_data, test_targets)
        # history = model.fit(partial_train_data, partial_train_targets,
        #                     validation_data=(val_data, val_targets),
        #                     epochs=num_epochs, batch_size=1, verbose=0)
        # mae_history = history.history['val_mean_absolute_error']
        # all_mae_histories.append(mae_history)

    # average_mae_history = [
    #     np.mean([x[i] for x in all_mae_histories]) for i in range(num_epochs)]
    #
    # plt.plot(range(1, len(average_mae_history) + 1), average_mae_history)
    # plt.xlabel('Epochs')
    # plt.ylabel('Validation MAE')
    # plt.show()
    #
    # smooth_mae_history = smooth_curve(average_mae_history[10:])
    # plt.plot(range(1, len(smooth_mae_history) + 1), smooth_mae_history)
    # plt.xlabel('Epochs')
    # plt.ylabel('Validation MAE')
    # plt.show()


def build_model():
    model = models.Sequential()
    model.add(layers.Dense(64, activation='relu',
                           input_shape=(train_data.shape[1],)))
    model.add(layers.Dense(64, activation='relu'))
    model.add(layers.Dense(1))
    model.compile(optimizer='rmsprop', loss='mse', metrics=['mae'])
    return model


def smooth_curve(points, factor=0.9):
    smoothed_points = []
    for point in points:
        if smoothed_points:
            previous = smoothed_points[-1]
            smoothed_points.append(previous * factor + point * (1 - factor))
        else:
            smoothed_points.append(point)
    return smoothed_points


def smooth_curve(points, factor=0.9):
    smoothed_points = []
    for point in points:
        if smoothed_points:
            previous = smoothed_points[-1]
            smoothed_points.append(previous * factor + point * (1 - factor))
        else:
            smoothed_points.append(point)
    return smoothed_points


if __name__ == "__main__":
    time_start = time.time()
    housing()
    time_end = time.time()
    print('Time Used: ', time_end - time_start)