Python 实例进阶之预测房价走势

该分享源于 Udacity 机器学习进阶中的一个mini作业项目，用于入门非常合适，刨除了繁琐的部分，保留了最关键、基本的步骤，能够对机器本文来源gaodaimacom搞#代%码@网-学习基本流程有一个最清晰的认识。欢迎收藏学习，喜欢点赞支持，文末提供技术交流群。

项目描述

利用马萨诸塞州波士顿郊区的房屋信息数据训练和测试一个模型，并对模型的性能和预测能力进行测试；

项目分析

数据集字段解释：

• RM: 住宅平均房间数量；
• LSTAT: 区域中被认为是低收入阶层的比率；
• PTRATIO: 镇上学生与教师数量比例；
• MEDV: 房屋的中值价格（目标特征，即我们要预测的值）；

其实现在回过头来看，前三个特征应该都是挖掘后的组合特征，比如RM，通常在原始数据中会分为多个特征：一楼房间、二楼房间、厨房、卧室个数、地下室房间等等，这里应该是为了教学简单化了；

MEDV为我们要预测的值，属于回归问题，另外数据集不大（不到500个数据点），小数据集上的回归问题，现在的我初步考虑会用SVM，稍后让我们看看当时的选择；

Show Time

Step 1 导入数据

注意点：

• 如果数据在多个csv中（比如很多销售项目中，销售数据和店铺数据是分开两个csv的，类似数据库的两张表），这里一般要连接起来；
• 训练数据和测试数据连接起来，这是为了后续的数据处理的一致，否则训练模型时会有问题（比如用训练数据训练的模型，预测测试数据时报错维度不一致）；
• 观察下数据量，数据量对于后续选择算法、可视化方法等有比较大的影响，所以一般会看一下；
• pandas内存优化，这一点项目中目前没有，但是我最近的项目有用到，简单说一下，通过对特征字段的数据类型向下转换（比如int64转为int8）降低对内存的使用，这里很重要，数据量大时很容易撑爆个人电脑的内存存储；

上代码：

# 载入波士顿房屋的数据集
data = pd.read_csv('housing.csv')
prices = data['MEDV']
features = data.drop('MEDV', axis = 1)

# 完成

print"Boston housing dataset has {} data points with {} variables each.".format(*data.shape)

Step 2 分析数据

喜欢 (0)赏

[搞代码]

分享 (0)