kaggle competition--房价预测（线性回归）

House Price Prediction

  这里用 $linearregression$ 的方式来搞一下预测房价问题，这是在 $kaggle$ 的一个比赛 不限期 可以随时提交。

Step 1. 数据处理

  关于数据的下载，直接在 $kaggle$ 网站上面点击 $download$ 就可以了…

  然后就是数据的处理，首先下载下来的数据是两个 $csv$ 文件，于是我们考虑用 $python$ 中的 $pandas$ 进行数据的处理。

  这里有一点 $pandas$ 的笔记qwq：关于pandas

  首先把下下来的两个文件 $kaggle\_house\_pred\_train.csv$ 和 $kaggle\_house\_pred\_test.csv$ 保存在 $data$ 文件夹里，然后在python里读取他们就是这样：

test_data  = pd.read_csv('./data/kaggle_house_pred_test.csv')
train_data = pd.read_csv('./data/kaggle_house_pred_train.csv')

  这样我们就得到了两个 $pandas$ 的 $DataFrame$。

  我们可以看看这些特征都有些啥：

print(train_data.iloc[0:4, [0, 1, 2, 3, -3, -2, -1]])

输出：
   Id  MSSubClass MSZoning  LotFrontage SaleType SaleCondition  SalePrice
0   1          60       RL         65.0       WD        Normal     208500
1   2          20       RL         80.0       WD        Normal     181500
2   3          60       RL         68.0       WD        Normal     223500
3   4          70       RL         60.0       WD       Abnorml     140000

  我们会发现这些特种中有数字也有字符而且还有 $ID$ 这种对我们进行预测没用的编号信息，甚至还有缺失的信息，所以我们还需要对这些数据进行一些进一步的处理。

  第一步就是把 $ID$ 给去掉：

all_features = pd.concat((train_data.iloc[:, 1:-1], test_data.iloc[:, 1:]))

  然后我们考虑将所有缺失的特征都替换成对应特征的平均值，然后我们为了将所有特征都放在一个共同的尺寸上，我们考虑将特征都缩放到零均值和单位方差来标准化数据，也就是（下面的 $\mu ,\sigma$ 分别表示均值和标准差 ：

$$x\to \frac{x-\mu }{\sigma }$$

  于是我们这样：

numeric_features = all_features.dtypes[all_features.dtypes != 'object'].index                 # 所有feature中类型不是'object'的值的下标
all_features[numeric_features] = all_features[numeric_features].apply(                        # 标准化数据 均值变成0

  标准化数据后，均值变成$0$ 了，于是我们就给所有缺失的值填成 $0$：

all_features[numeric_features] = all_features[numeric_features].fillna(0)

  然后，我们用 $pandas$ 的 $ge{t}_{d}ummies()$ 函数来将所有非数字的特征变成数字：

all_features = pd.get_dummies(all_features, dummy_na