使用神经网络的房屋定价

Question

我编写了多层感知器实现（在 Python 上），它能够对 Iris 数据集进行分类。它通过反向传播算法进行训练，并在隐藏层和输出层上使用 sigmoid 激活函数。

但现在我想改变它以能够近似房价。 （我有大约 300 个房产的数据集，其中包含价格和房间、位置等输入参数。）

现在我的感知器的输出在 [0;1] 范围内。但据我所知，如果我想在输出神经元上得到最终的房价，我需要以某种方式改变激活函数，对吗？

有人可以帮助我吗？ 我是神经网络的新手 提前致谢。

Answer 1

例如，假设房屋价格在 1 美元到 1,000,000 美元之间，那么您只需将 0...1 范围映射到训练和测试的最终价格范围即可。请注意，300 个庄园是一个相当小的数据集。

准确地说，如果房子是 50 万美元，那么目标训练输出变为 0.5。您基本上可以除以您的最大可能房屋价值来获得目标训练量。当你得到输出值时，你乘以最大房屋价值得到预测价格。

因此，将神经网络的输出视为占总成本的百分比。