# 21计科5班吴晔禹_房价预测系统

**Repository Path**: Deceive19/predict-price

## Basic Information

- **Project Name**: 21计科5班吴晔禹_房价预测系统
- **Description**: 简单的北京房价预测系统，基于多层感知器（MLP）算法模型。
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-03-01
- **Last Updated**: 2024-10-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 北京房价预测系统

## 1. 开发环境、编程语言、算法模型、数据集
- 开发环境: Windows11
- 编程语言: Python3.8
- 深度学习框架：Tensorflow2.4.1
- 算法模型: 多层感知器（MLP）
- 数据集: 北京房价数据集

## 2. 主要功能
该系统基于多层感知器（MLP）算法模型，用于预测北京的房价。主要功能包括：
- 注册和登录界面 
- 根据基本房屋基本信息进行房价预测
- 用户可查看预测价格的历史记录

## 3. 性能要求
- 计算机硬件要求：CPU内核：4，运行内存：8GB
- 模型训练的性能要求：使用早停和学习率调整的回调函数进行模型训练，以提高训练效率和防止过拟合。
- 模型预测的性能要求：计算预测值与真实值之间的均方误差（MSE）、均方根误差（RMSE）和平均绝对误差（MAE），以评估模型的预测准确性。

## 4. 该北京房价预测系统的使用方式
- 准备数据：将待预测的北京房价数据准备为CSV格式，并保存在"data/beijing.csv"文件中。
- 准备代码：将提供的代码复制到Python开发环境中，并确保已安装所需的依赖库（pandas、numpy、tensorflow、scikit-learn）。
- 修改文件路径：根据实际情况修改代码中的文件路径，确保能够正确读取和保存数据。
- 运行代码：运行代码train.py，系统将进行数据清洗、特征选择、数据标准化、模型构建、模型训练、模型评估和模型保存等步骤。
- 使用模型：运行代码login.py，用户在系统中注册账号，登录系统可以加载已保存的模型文件，对房价数据进行预测。

请根据实际情况调整相关路径和参数，并确保已正确安装所需的依赖库。(无法正常运行系统，请使用conda创建新虚拟环境指定python版本并运行下面代码安装依赖库)
  ```bash
    pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
  ```