房价预测

这周本该有两篇文章，上半周没有完成Kaggle案例，花了一些时间学习了sklearn库。周日了，先早点将下半周的文章发出来，mark一下~
上周说好这周是汽车行业的案例，奈何目前没有找到相似的案例，所以，依旧来自kaggle案例，关于二手房的预测。

housesbanner.png

（1）定义问题
根据房屋的属性（卧室数量，是否沿街等信息），以及房屋的售价信息，对房屋的价格进行评估。模型可用于二手房，二手车的估价。
初步判定这是一个有监督学习，可选用线性模型。
（2）准备数据

1. 原始数据包含79条房屋属性信息，1条售价信息（SalePrice）,1条数据id信息（不具备 参考意义，剔除）

2. 将79条属性信息作为特征数据，售价信息作为因变量/研究目标。
   3.处理因变量SalePrice，
   观察发现，原始数据中因变量是一个数字量且数值较大，存在多个不同的自变量/相同的自变量，对应一个因变量的情况，需要寻找一种数据标准化的处理方法，这里选择将数据做平滑处理——log1p()：
   log1p()函数用于偏度较大的数据进行转化，使其更加符合高斯分布；同时，还可以避免复值问题（一个自变量对应多个因变量）。总之，该操作是将数据压缩到一个区间，可以看作是数据的标准化。
   4.处理特征数据/自变量
   特征数据的类型比较复杂，有数字类型变量，有离散变量，此外，存在缺失值的情况

   
   
   [图片上传中...(Image 6.jpg-7b565f-1552791784449-0)]

（3）建模
关于模型的选择：
通过观察训练数据矩阵，稀疏，尝试采用套索回归，结果对比模型可选用脊回归（最小二乘添加惩罚项）

Image 6.jpg

（4）优化
采用xgboost优化

Image 8.jpg

5）总结分析

Image 9.jpg

Figure_1.png

通过对数据的清洗，以及模型的选择和优化，我们可以实现对一组新的测试数据的输出。分析过程中确定研究的目标，将目标可视化，关联性处理，有助于分析目标。