5、端到端机器学习项目实战：加州房价预测

端到端机器学习项目实战：加州房价预测

1. 项目概述

在这个项目中，我们将模拟成为一家房地产公司新入职的数据科学家，从头到尾完成一个机器学习项目。主要步骤如下：
1. 了解整体情况
2. 获取数据
3. 探索和可视化数据以获取洞察
4. 为机器学习算法准备数据
5. 选择模型并进行训练
6. 微调模型
7. 展示解决方案
8. 部署、监控和维护系统

2. 使用真实数据

学习机器学习时，最好使用真实世界的数据进行实验。以下是一些可以获取数据的地方：

2.1 流行的开放数据存储库

• UC Irvine 机器学习存储库
• Kaggle 数据集
• Amazon 的 AWS 数据集

2.2 元门户（列出开放数据存储库）

• Data Portals
• OpenDataMonitor
• Quandl

2.3 其他列出许多流行开放数据存储库的页面

• Wikipedia 的机器学习数据集列表
• Quora.com
• The datasets subreddit

在本项目中，我们将使用来自 StatLib 存储库的加州房价数据集。该数据集基于 1990 年加州人口普查数据，虽然不是最新的，但具有很多学习价值。为了教学目的，我们添加了一个分类属性并删除了一些特征。