kaggle-房价预测案例

最新推荐文章于 2023-09-19 10:38:52 发布

原创

最新推荐文章于 2023-09-19 10:38:52 发布 · 1.2k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#kaggle #房价预测 #模型融合

本文通过Kaggle房价预测案例，详细介绍了数据预处理、特征工程、模型选择与融合的全过程，包括岭回归、随机森林等算法的应用及参数调优。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

此案例为kaggle上面的房价预测案例

https://www.kaggle.com/c/house-prices-advanced-regression-techniques

具体代码如下

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#-------------------Step1:读取数据---------------------
train_df=pd.read_csv('C:\\Users\\Administrator\\Desktop\\network\\House_prise\\train.csv')
test_df=pd.read_csv('C:\\Users\\Administrator\\Desktop\\network\\House_prise\\test.csv')

#查看数据前5行
print(train_df.head())
print(test_df.head())
'''
   Id  MSSubClass MSZoning    ...     SaleType  SaleCondition SalePrice
0   1          60       RL    ...           WD         Normal    208500
1   2          20       RL    ...           WD         Normal    181500
2   3          60       RL    ...           WD         Normal    223500
3   4          70       RL    ...           WD        Abnorml    140000
4   5          60       RL    ...           WD         Normal    250000

[5 rows x 81 columns]
     Id  MSSubClass MSZoning      ...       YrSold  SaleType SaleCondition
0  1461          20       RH      ...         2010        WD        Normal
1  1462          20       RL      ...         2010        WD        Normal
2  1463          60       RL      ...         2010        WD        Normal
3  1464          60       RL      ...         2010        WD        Normal
4  1465         120       RL      ...         2010        WD        Normal

[5 rows x 79 columns]
'''
#-----------------------------------Step2:合并数据---------------------------------
#这么做是为了把训练集和测试集的数据一块来一次性处理，等到处理完后再将他们分开
#上面在训练集中的最后一个属性SalePrice为我们的训练目标，因此只出现在训练集中，所以我们先将它
#作为y_train拿出来

#我们先看SalePrice长什么样
prices=pd.DataFrame({'Prices':train_df['SalePrice'],'log(price+1)':np.log1p(train_df['SalePrice'])})
print(prices.hist())
plt.show()