项目：预测波士顿房价
分析数据
| Criteria | Meet Specification |
|---|---|
|
统计分析 |
请求的所有 Boston Housing 数据集统计数据均已得到精确计算。学生可恰当利用 NumPy 功能获得这些结果。 |
|
特征观察 |
学生正确解释各项属性与目标变量增加或减少之间的关联。 |
模型衡量标准
| Criteria | Meet Specification |
|---|---|
|
匹配度 |
学生正确判断假设模型是否能根据其 R^2 分数成功捕捉目标变量的方差。 |
|
训练与测试 |
学生合理解释为何要为某个模型将数据集分解为训练子集和测试子集。训练和测试分解会在代码中正确实现。 |
分析模型的表现
| Criteria | Meet Specification |
|---|---|
|
学习曲线 |
随着训练点的不断增加，学生正确判断图表中训练集和验证集曲线的走向并讨论该模型是否会得益于更多的训练点。 |
|
偏差和方差分析 |
学生提供最大深度为 1 和 10 的分析。如果模型偏差或方差较高，请针对每个图形给出合理的理由。 |
|
猜测最优模型 |
学生根据合理的理由使用模型复杂度图形猜测最优模型的参数。 |
评估模型性能
| Criteria | Meet Specification |
|---|---|
|
网格搜索 |
学生准确说明网格搜索算法，并简要探讨该算法的用途。 |
|
交叉验证 |
学生准确说明如何对模型进行交叉验证，以及它对网格搜索的作用。 |
|
训练最优模型 |
学生在代码中正确实现
|
|
参数经过调整的最佳模型 |
学生根据参数调整确定最佳模型，并将此模型的参数与他们猜测的最佳参数进行对比。 |
进行预测
| Criteria | Meet Specification |
|---|---|
|
预测出售价格 |
学生报告表格所列三位客户的预测出售价格，根据已知数据和先前计算出的描述性统计，讨论这些价格是否合理。 |
|
计算并分析最优模型 |
学生计算了最优模型在测试集上的决定系数，并给出了合理的分析。 |
|
模型健壮性 |
学生可以合理分析最优模型是否具有健壮性。 |
|
应用 |
学生深入讨论支持或反对使用他们的模型预测房屋售价的理由。 |