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
波士顿房价数据集用于文章中的线性回归和其他算法，非常好用，
波士顿房价数据集用于文章中的线性回归和其他算法，非常好用，
波士顿房价数据集用于文章中的线性回归和其他算法，非常好用，
波士顿房价数据集用于文章中的线性回归和其他算法，非常好用，
波士顿房价数据集用于文章中的线性回归和其他算法，非常好用，
2021-07-03 22:41:33
126KB
1
14个属性
crim,zn,indus,chas,nox,rm,age,dis,rad,tax,ptratio,black,lstat,medv
2021-06-24 19:01:56
34KB
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