- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章利用机器学习预测房价由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
背景:
DC竞赛比赛项目,运用回归模型进行房价预测.
数据介绍:
数据主要包括2014年5月至2015年5月美国King County的房屋销售价格以及房屋的基本信息.
其中训练数据主要包括10000条记录,14个字段,分别代表:
目标:
算法通过计算平均预测误差来衡量回归模型的优劣。平均预测误差越小,说明回归模型越好.
数据导入 。
先导入分析需要的python包:
#导入类库和加载数据集import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns%matplotlib inline
导入下载好的kc_train的csv文件:
#读取数据train_names = ["date", "price", "bedroom_num", "bathroom_num", "house_area", "park_space", "floor_num", "house_score", "covered_area", "basement_area", "yearbuilt", "yearremodadd", "lat", "long"]data = pd.read_csv("kc_train.csv",names=train_names)data.head()
查看数据集概况 。
# 观察数据集概况data.info()
从图中可以看出没有任何缺失值,因此不需要对缺失值进行处理.
拆分数据:
把原始数据中的年月日拆开,然后根据房屋的建造年份和修复年份计算一下售出时已经过了多少年,这样就有17个特征.
sell_year,sell_month,sell_day=[],[],[]house_old,fix_old=[],[]for [date,yearbuilt,yearremodadd] in data[["date","yearbuilt","yearremodadd"]].values: year,month,day=date//10000,date%10000//100,date%100 sell_year.append(year) sell_month.append(month) sell_day.append(day) house_old.append(year-yearbuilt) if yearremodadd==0: fix_old.append(0) else: fix_old.append(year-yearremodadd)del data["date"]data["sell_year"]=pd.DataFrame({"sell_year":sell_year})data["sell_month"]=pd.DataFrame({"sell_month":sell_month})data["sell_day"]=pd.DataFrame({"sell_day":sell_day})data["house_old"]=pd.DataFrame({"house_old":house_old})data["fix_old"]=pd.DataFrame({"fix_old":fix_old})data.head()
观察因变量(price)数据情况 。
#观察数据print(data["price"].describe())
#观察price的数据分布plt.figure(figsize = (10,5))# plt.xlabel("price")sns.distplot(data["price"])
从数据和图片上可以看出,price呈现典型的右偏分布,但总体上看还是符合一般规律.
相关性分析 。
自变量与因变量的相关性分析,绘制相关性矩阵热力图,比较各个变量之间的相关性:
#自变量与因变量的相关性分析plt.figure(figsize = (20,10))internal_chars = ["price","bedroom_num","bathroom_num","house_area","park_space","floor_num","house_score","covered_area" ,"basement_area","yearbuilt","yearremodadd","lat","long","sell_year","sell_month","sell_day", "house_old","fix_old"]corrmat = data[internal_chars].corr() # 计算相关系数sns.heatmap(corrmat, square=False, linewidths=.5, annot=True) #热力图csdn.net/jlf7026/article/details/84630414
相关性越大,颜色越浅。看着可能不太清楚,因此看下排名 。
#打印出相关性的排名print(corrmat["price"].sort_values(ascending=False))
可以看出house_area,house_score,covered_area,bathroom_num这四个特征对price的影响最大,都超过了0.5。负数表明与price是负相关的.
特征选择 。
一般来说,选择一些与因变量(price)相关性比较大的做特征,但我尝试过选择前十的特征,然后进行建模预测,但得到的结果并不是很好,所以我还是把现有的特征全部用上.
归一化 。
对于各个特征的数据范围不一样,影响线性回归的效果,因此归一化数据.
#特征缩放data = data.astype("float")x = data.drop("price",axis=1)y = data["price"]from sklearn.preprocessing import MinMaxScalerscaler = MinMaxScaler()newX= scaler.fit_transform(x)newX = pd.DataFrame(newX, columns=x.columns)newX.head()
划分数据集 。
#先将数据集分成训练集和测试集from sklearn.model_selection import train_test_splitX_train,X_test,y_train,y_test = train_test_split(newX, y, test_size=0.2, random_state=21)
选择两个模型进行预测,观察那个模型更好.
#模型建立from sklearn import metricsdef RF(X_train, X_test, y_train, y_test): #随机森林 from sklearn.ensemble import RandomForestRegressor model= RandomForestRegressor(n_estimators=200,max_features=None) model.fit(X_train, y_train) predicted= model.predict(X_test) mse = metrics.mean_squared_error(y_test,predicted) return (mse/10000)def LR(X_train, X_test, y_train, y_test): #线性回归 from sklearn.linear_model import LinearRegression LR = LinearRegression() LR.fit(X_train, y_train) predicted = LR.predict(X_test) mse = metrics.mean_squared_error(y_test,predicted) return (mse/10000)
算法通过计算平均预测误差来衡量回归模型的优劣。平均预测误差越小,说明回归模型越好.
print("RF mse: ",RF(X_train, X_test, y_train, y_test))print("LR mse: ",LR(X_train, X_test, y_train, y_test))
可以看出,随机森林算法比线性回归算法要好很多.
总结 。
对机器学习有了初步了解。但对于数据的预处理,和参数,特征,模型的调优还很欠缺.
希望通过以后的学习,能不断提高。也希望看这篇文章的朋友和我一起感受机器学习的魅力,更多相关机器学习内容请搜索我以前的文章或继续浏览下面的相关文章,希望大家以后多多支持我! 。
原文链接:https://blog.csdn.net/jlf7026/article/details/84630414 。
最后此篇关于利用机器学习预测房价的文章就讲到这里了,如果你想了解更多关于利用机器学习预测房价的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
我是一名优秀的程序员,十分优秀!