机器学习入门之“波士顿房价预测”

接着复盘机器学习的入门级项目之一“波士顿房价预测”。先看一下数据集介绍：
先加载需要的包：

from sklearn.datasets import load_boston
import matplotlib.pyplot as plt
import numpy as np

接着进行数据预处理，这在机器学习中是非常重要的一步。一般包含这几点：1.去除唯一属性；2.处理缺失值；3.特征编码；4.数据标准化；5.数据正则化；6.特征选择（降维）

dataset = load_boston()
x_data = dataset.data
y_data = dataset.target
name_data = dataset.feature_names

接着，我们进行特征工程。特征工程真的很重要。如果特征工程做的好，不管是模型的建立或训练，还是最终的结果呈现，都是很好的。

for i in range(13):  # 13是name_data的维数，你可以在上一步中将name_data打印出来查看
	plt.subplot(7, 2, i+1) # 7行2列第i+1个图
	plt.scatter(x_data[:,i], y_data, s = 10) # 横纵坐标和点的大小
	plt.title(name_data[i])
	plt.show()
	print(name_data[i], np.corrcoef(x_data[:,i], y_data))

你会得到下面这样的不同特征与房价之间的特征图，你可以根据该图判断某一特征与房价之间的关系，并选择是否在后面建立模型的时候丢弃该特征。

经过上面散点图的分析，可以看到数据异常的变量需要特殊处理，根据散点图分析，房屋的’RM（每栋住宅的房间数）’，‘LSTAT（地区中有多少房东属于低收入人群）’，'PTRATIO(城镇中的教师学生比例）’特征与房价的相关性最大，所以，将其余不相关特征剔除。

i_ = []
for i in range(len(y_data)):
	if y_data[i] == 50:
		i_.append(i)