BlueBIkes 是一种自行车共享系统，于 2011 年 7 月在波士顿地铁诞生。多年来，它呈指数级增长。 系统很简单。用户可以在任何车站码头拿起自行车，骑一定的时间，然后返回到任何车站重新对接。 bluebikes_tripdata_2019.csv bluebikes_tripdata_2020.csv

boston.csv文件是一个包含多个特征和平均放假的数据集，通过特征数据的学习，来实现对于波士顿平均房价的预测。

就是普通的波士顿房价，里面有特征值，乘客年龄，性别这些，和标签值，是否存活这些。希望有用，为什么一定要五十字呀

哈里森和鲁宾菲尔德于 1978 年收集的波士顿房价数据集，该数据集包括 506 个样本场景，每个房屋含 14 个特征： CRIM：城镇人均犯罪率 ZN：占地 25000 平方英尺（1 英尺=0.3048 米）以上的住宅用地比例 INDUS：每个城镇的非零售商业用地比例 CHAS：查尔斯河（Charles River）变量（若土地位于河流边界，则为 1；否则为 0） NOX：一氧化氮浓度（每千万） RM：每个寓所的平均房间数量 AGE：1940 年以前建成的自住单元比例 DIS：到 5 个波士顿就业中心的加权距离 RAD：径向高速公路可达性指数 TAX：每万美元的全价值物业税税率 PTRATIO：镇小学老师比例 B：1000(Bk-0.63)2，其中 Bk 是城镇黑人的比例 LSTAT：低地位人口的百分比 MEDV：1000 美元自有住房的中位值

波士顿动力深耕几十年的技术积累使其一直保持在腿足机器人科研领域遥遥领先的地位，整理汇总了最新最全BD机器人专利及相关分析，是有志于机器人事业人员的高价值资料。

1.mnist数据集：整个数据集由来自 250 个不同人手写的数字构成，其中 50%是高中学生, 50% 来自人口普查局的工作人员。训练集：60000，测试集：10000 2.imdb数据集：这数据集包含了50000条偏向明显的评论，其中25000条作为训练集，25000作为测试集。label为pos(positive)和neg(negative)。 3.boston_housing数据集：数据来自1970年代，波斯顿周边地区的房价，是用于机器学习的经典数据集。该数据集很小，共计506条数据，分为404个训练样本和102个测试样本。 4.cifar-10数据集：CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。 数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说，五个训练集之和包含来自每个类的正好5000张图像。

Keras自带的数据集，有需要的读者可以自行下载，解压后放入......./.keras/datasets/ 目录下就能使用了。

14个属性 crim,zn,indus,chas,nox,rm,age,dis,rad,tax,ptratio,black,lstat,medv

TensorFlow 实现Boston房价预测综述代码与解释关键点结语 综述 本文使用了 TensorFlow 2.0 框架，搭建了 ANN（人工神经网络），实现 Boston 房价预测。本文使用的编程工具为 jupyter notebook，完整代码可以在我的GitHub中找到，GitHub链接在此 Boston 房价预测，是一个非常经典的案例了，已有许多学者对其进行了各式各样的研究，也通过拟合各种各样的模型，对该问题做出了实现。 通过该案例，我相信你一定能进一步的学习到 TensorFlow 2.0 下的 ANN 的搭建，相信你可以通过该案例，有所收益。 代码与解释 导入所需的库函数 im

使用R语言编写KNN程序，对Boston房价进行预测，使用的数据集是R语言的内置数据集，计算方差，并且绘制出预测图