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
2021-07-10 14:33:00
100KB
1
文件为房价预测例子的一元线性回归模型代码及数据，由sklearn库实现，将数据文件与程序文件放在同一目录下运行即可。
博客地址：https://me.csdn.net/albert201605
2021-07-03 10:36:34
2KB
1
有关更多详细信息，请访问https://free-thesis.com/product/house-price-prediction/
这个是使用NARX模型来预测2017年几个月即将到来的房价。为了预测房价，我们需要一个可以训练神经网络的数据集。 该数据集必须足够大以训练网络，以避免过度拟合结果。 我们使用了从伦敦数据存储获得的数据集。 它包含1995-2015年的数据表。
2021-07-01 19:34:45
2.27MB
1
（含实验代码）采用密集连接网络分别从两个方面进行预测，一方面是没有使用K折验证，预测结果不好，另一方面是加入K折验证改进后的结果，最后预测的房价与真实值基本符合。
2021-06-23 07:02:31
908KB
1
本资源作为专栏机器学习专栏的原始数据，包含了简单的数据，未处理的数据和最终处理完成后的房价数据，用于机器学习相关知识的学习
2021-06-22 15:35:52
193KB
1