回顾篇（三）——波士顿房价预测

时间：2017-05-14 19:30～22:30
地点：822实验室
参加人数：9人
主持人：刘开心
收获：了解网格搜索与交叉验证
印象之最：时间和节奏把控失衡，导致气氛不如上一次

内容

通过网格搜索和交叉验证的方式寻找决策树最优深度，实现对波士顿房价的预测。
主讲人：李聪蕊

活动流程

主持图

项目简介

这是一个回归问题。给出房子的地段、教学资源、大小和房间数等特征，预测房价。

项目流程回顾

• 数据预处理：剔除遗失数据；剔除异常值；剔除不相关特征；将字符特征数值化。
• 对回归数据进行简单分析：找最大值、最小值、平均值、中值、标准差。

import numpy as np
minimum_price = np.min(prices)
maximum_price = np.max(prices)
mean_price = np.mean(prices)
median_price = np.median(prices)
std_price = np.std(prices)

• 定义衡量标准：使用决定系数R²来量化模型表现，详情请见知识篇——R²分数。
• 数据分割与重排：使用sklearn.odel_selection中的train_test_split，将数据分为测试集和训练集。

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(features, prices, test_size=0.2, random_state=50)

• 分析模型表现：观察方差与偏差。方差影响模型的稳定性，偏差影响模型的正确性。
• 用网格搜索和交叉验证寻找最优模型参数，训练出最优模型，预测数据。

分享产物

• 机器学习项目流程及模型评估验证
• 知识篇——R²分数

活动感想

刘开心：
这次的分享在时间和节奏上严重失控，其实中途很多次自己都觉得无聊。尾声的时候ArtistQiu提出这次活动的几个问题，当时情绪有些激动，这是我处理的很不好的地方，感谢好友的包容，会指出问题还不计前嫌的朋友都是真朋友。晚上反思了很多，写在这里mark一下，我知道，我们会越来越好。

NOTE20170514