Ames房价预测是Kaggle平台上的一个竞赛任务，需要根据房屋的特征来预测亚尼亚州洛瓦市（Ames，Lowa）的房价。其中房屋的特征x共有79维，响应值y为每个房屋的销售价格（SalePrice）。评价标准为预测值的对数和观测值的对数RMSE(Root-Mean-Squared-Error )。

数据说明： Rental Listing Inquiries数据集是Kaggle平台上的一个分类竞赛任务，需要根据公寓的特征来预测其受欢迎程度（用户感兴趣程度分为高、中、低三类）。其中房屋的特征x共有14维，响应值y为用户对该公寓的感兴趣程度。评价标准为logloss。 批改标准 独立调用xgboost或在sklearn框架下调用均可。 1.模型训练：超参数调优 a) 初步确定弱学习器数目： 20分 b) 对树的最大深度（可选）和min_children_weight进行调优（可选）：20分 c) 对正则参数进行调优：20分 d) 重新调整弱学习器数目：10分 e) 行列重采样参数调整：10分 1.调用模型进行测试10分 2.生成测试结果文件10分

1. 实现基于用户的协同过滤； 2. 实现基于物品（活动）的协同过滤； 3. 实现基于模型（矩阵分解/LFM）的协同过滤。

densenet网络二次提交作业

请在Capital Bikeshare（美国Washington, D.C.的一个共享单车公司）提供的自行车数据上进行回归分析。训练数据为2011年的数据，要求预测2012年每天的单车共享数量。

请在Pima Indians Diabetes Data Set（皮马印第安人糖尿病数据集）进行分类器练习