房租预测

最新推荐文章于 2021-12-17 11:52:10 发布

原创

最新推荐文章于 2021-12-17 11:52:10 发布 · 487 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

该博客探讨了房租预测问题，首先介绍了数据的载入和预览，接着分析了label（房租价格）的分布，特别是对异常值进行了处理。然后，博客详细检查了数据的变量类型，将数值型和离散型特征区分开，并对数值变量的分布进行了深入研究，为后续的预测模型建立奠定了基础。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

房租预测

载入库与数据读取

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import sys
train_data = pd.read_csv('train_data.csv')
test_data  = pd.read_csv('test_a.csv')

数据的预浏览

# 查看训练集以及测试集维度
print('train:',train_data.shape)
print('test:',test_data.shape)
# 查看两组变量的差别(差别为目标变量)
for var in train_data.columns:
    if var not in test_data.columns:
        print(var)
# 查看训练特征
print(train_data.columns)
# 查看每个变量的的情况
def get_null(df):
    for var in df.columns:
        if df[var].isnull().sum()>0:
            print(var