15、线性回归与自定义估计器实践

线性回归与自定义估计器实践

在数据科学和机器学习领域，数据预处理、模型构建与评估是至关重要的环节。本文将详细介绍如何使用预构建的线性回归器解决线性回归问题，以及如何将现有的 Keras 模型转换为自定义估计器。

1. 数据预处理

在对数据进行深入分析之前，首先需要对数据进行仔细筛选和清洗，以确保数据的质量和可用性。
- 特征选择 ：经过对数据的全面检查，我们决定仅选取 17 列数据用于分析。在实际操作中，可以运用各种已知的特征选择技术，如单变量选择或带有热力图的相关矩阵。以下代码展示了如何明确指定列名来选择特征：

# Selecting only few columns as our features
data = data[['property_type','room_type',
             'bathrooms','bedrooms','beds','bed_type',
             'accommodates','host_total_listings_count',
             'number_of_reviews','review_scores_value',
             'neighbourhood_cleansed','cleaning_fee',
             'minimum_nights','security_deposit',
             'host_is_superhost','instant_bookable',
             'price']]
</