Загрузите выборочные данные.
X 13 252 матрица, задающая тринадцать атрибутов 252 различных окружений. Для получения дополнительной информации о данных введите help house_dataset
в командной строке.
Обучите автоэнкодер на данных об атрибуте.
Создайте сетевой объект из автоэнкодера, autoenc
.
Предскажите атрибуты с помощью сети, net
.
Подбирайте модель линейной регрессии между фактическими и предполагаемыми данными об атрибутах. Вычислите предполагаемый Коэффициент корреляции пирсона, наклон и точку пересечения (смещение) модели регрессии, с помощью всех данных об атрибуте в качестве одного набора данных.
Коэффициент корреляции - почти 1, который указывает, что данные об атрибутах и оценки от нейронной сети высоко друг близко к другу.
Отобразите на графике фактические данные и подходящую линию.
Данные, кажется, находятся на подходящей линии, которая визуально поддерживает заключение, что предсказания очень близко к фактическим данным.