Kaggle房价预测案例（附数据集）

最新推荐文章于 2025-05-30 14:05:25 发布

Cvjark

最新推荐文章于 2025-05-30 14:05:25 发布

阅读量1.9w

点赞数 9

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签： kaggle 机器学习回归预测

本文链接：https://blog.youkuaiyun.com/weixin_43084928/article/details/82855256

本文介绍了Kaggle房价预测案例，数据预处理包括剔除测试集中的目标变量y，对其进行log1p处理。对于MSSubClass特征，将其转化为str并进行one-hot编码。数值型特征通过网格搜索调参，最终选择了alpha为8的模型，并搭建了森林模型。整个流程展示了数据处理和模型优化的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据集链接

import pandas as pd
import numpy as np

train_data = pd.read_csv('train.csv',index_col = 0)
test_data = pd.read_csv('test.csv',index_col = 0)
train_data.head()

train_y_test = train_data['SalePrice']   #对比数据前后变化
train_y = np.log1p(train_data.pop('SalePrice'))  #拿出Y然后进行分布均化

import matplotlib.pyplot as plt
plt.figure(figsize=(8,10))
plt.subplot(211)
plt.hist(train_y_test)
plt.subplot(212)
plt.hist(train_y)

在这里插入图片描述
在进行数据处理的时候，我们需要把y剔除在外，因为测试集中不存在这一列。预测测试集中的y是我们的工作。使用pop直接取出这一列并对y进行分布均化处理，结束了我们需要返回来，这里用了log1p，最后我们需要用expm1反向处理回来，当然也可以有其他的处理方法
在这里插入图片描述
MSSubClass这个特征的值虽然是数字的，可是这些数并不存在大小关系，其实这个特征是个类别变量（有些题会注明），在我们利用pandas载入数据的时候，pandas是会把它当成数值，破坏了特征原有的含义，我们需要将之手动转化为str，在进行虚拟编码处理。