北京房价预测图说

最新推荐文章于 2021-01-29 14:15:24 发布

JLOGAN

最新推荐文章于 2021-01-29 14:15:24 发布

阅读量2.1k

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签： python 房价预测机器学习

本文链接：https://blog.youkuaiyun.com/ASSaSSINangJIE/article/details/85865701

本文使用Python进行北京房价预测，基于2011-2017年数据进行探索性数据分析(EDA)和回归模型建立，分析房价相关特征，揭示房价趋势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

曾听人说过，中国经济是房地产市场，美国经济是股票市场。中国房地产市场超过400万亿，房地产总值是美国、欧盟、日本总和，但是股市才50万亿，不到美欧日的十分之一。可见房地产对于中国来说地位尤其明显！对于我们很难在一线城市买房的年轻刚需族来说，这确是一个十分头疼的问题。于此，萌生了分析房价并预测的想法（曾经采用R做过尝试，这次将采用python）。
本次将基于北京房价作为测试数据，后期通过爬虫将抓取包括北上广深等城市的数据以供分析。

数据

感谢Qichen Qiu提供链家网2011-2017北京房价数据，感谢Jonathan Bouchet提供的思路。
本次分析基于python3，代码将稍后整理提供于github。
数据特征包含，kaggle上有具体介绍，在此暂不赘述：

url: the url which fetches the data( character )
id: the id of transaction( character )
Lng: and Lat coordinates, using the BD09 protocol. ( numerical )
Cid: community id( numerical )
tradeTime: the time of transaction( character )
DOM: active days on market.( numerical )
followers: the number of people follow the transaction.( numerical )
totalPrice: the total price( numerical )
price: the average price by square( numerical )
square: the square of house( numerical )
livingRoom: the number of living room( character )
drawingRoom: the number of drawing room( character )
kitchen: the number of kitchen( numerical )
bathroom the number of bathroom( character )
floor: the height of the house. I will turn the Chinese characters to English in the next version.( character )
buildingType: including tower( 1 ) , bungalow( 2 )，combination of plate