15 实战：Kaggle房价预测 + 课程竞赛：加州2020年房价预测【动手学深度学习v2】
- 环境
- 虚拟环境名字：regression
- python版本：3.9
- cuda版本：11.6
- 过程
- 数据获取：通过爬虫拿到数据，分成训练集和测试集 1.2 数据获取
- 数据清洗：
- 选择模型，损失函数和优化器，超参数进行训练：
- 模型：输出是标量，用线性模型3.3 线性模型
- 损失函数：
- 优化器：
- 超参数：k折，batch_size，learning rate，weight decay，epoch数
- 输出信息：每轮epoch，用优化器优化后的权重和完整的训练数据集，重新放入net中计算损失函数
- 评估指标：
- 回归任务误差率通常用：真实值-预测值；但是这个任务着重于比较两者之间的差异，所以用log的减法来做3.3 线性模型
- 分类任务的指标通常不太一样，有BLEU，XCOMET等
- 验证
- 预测
- 超参数：通过调节超参数，观察评估指标（损失函数）的大小，找到最优的超参数组合
- 将这些超参数作为初始超参数重新训练训练集，收敛后net保留最优的模型权重
- 把测试集的输入特征输入到这个net中得到预测结果
References
4.10. 实战Kaggle比赛：预测房价 — 动手学深度学习 2.0.0 documentation