对我的分数提升最大的主要有两块：
特征工程 : 主要为离散型变量的排序赋值，特征组合和PCA
模型融合 : 主要为加权平均和Stacking
1.探索性可视化（Exploratory Visualization）
2.数据清洗（Data Cleaning）
3.特征工程（Feature Engineering）
4.基本建模&评估（Basic Modeling & Evaluation）
5.参数调整（Hyperparameters Tuning）
6.集成方法（Ensemble Methods）
1.探索性可视化
查看各特征的类型、意义，以及特征之间的关系。
train.describe() #查看所有特征数学特性
由于建造年份 (YearBuilt) 这个特征存在较多的取值 (从1872年到2010年)，直接one hot encoding会造成过于稀疏的数据，因此在特征工程中会将其进行数字化编码(labelenc类)。
2.数据清洗
这里主要的工作是处理“缺失值”，首先来看各特征的缺失值数量：aa = full.isnull().sum()。aa[aa>0].sort_values(ascending=False) #查看所有
存在缺失值的特征，并将其数量从高到低排序。
2.1、仔细观察一下data_description里面的内容的话，会发现很多缺失值都有迹可循，比如上表第一个PoolQC，表示的是游泳池的质量，其值缺失代表的是这个房子本身没有游泳池，因此可以用 “None” 来填补;
2.2、有些特征多为表示XX面积，比如 TotalBsmtSF 表示地下室的面积，如果一个房子本身没有地下室，则缺失值就用0来填补。
2.3、对于有些用数字来表示类型的，可以通过用众数mode填充
完成以上步骤确保train数据集已经不存在缺失值
3.特征工程
3.1我们应该构建尽可能多的特征，并信任模型来选择正确的特性：对于离散型特征，一般采用pandas中的get_dummies进行数值化，但在这个比赛中光这样可能还不够，所以下面我采用的方法是按特征进行分组，计算该特征每个取值下SalePrice的平均数和中位数，再以此为基准排序赋值。map_values()方法。对年使用LabelEncoder，然后是get_dummies。
3.2特征组合：将原始特征进行组合通常能产生意想不到的效果，然而这个数据集中原始特征有很多，不可能所有都一一组合，所以这里先用Lasso进行特征筛选，选出较重要的一些特征进行组合。
3.3PCA：PCA是非常重要的一环，对于最终分数的提升很大。因为我新增的这些特征都是和原始特征高度相关的，这可能导致较强的多重共线性(Multicollinearity)，而PCA恰可以去相关性。因为这里使用PCA的目的不是降维，所以n_components用了和原来差不多的维度，这是我多方实验的结果，即前面加XX特征，后面再降到XX维。
4.基本建模&评估
使用了13个算法和5折交叉验证来评估baseline效果：
LinearRegression
Ridge
Lasso
Random Forrest
Gradient Boosting Tree
Support Vector Regression
Linear Support Vector Regression
ElasticNet
Stochastic Gradient Descent
BayesianRidge
KernelRidge
ExtraTreesRegressor
XgBoost
5.参数调整
常见方法是GridSearch
6.集成方法
Voting：模型融合其实也没有想象的那么高大上，从最简单的Voting说起，这也可以说是一种模型融合。假设对于一个二分类问题，有3个基础模型，那么就采取投票制的方法，投票多者确定为最终的分类。
Averaging：对于回归问题，一个简单直接的思路是取平均。稍稍改进的方法是进行加权平均。权值可以用排序的方法确定，举个例子，比如A、B、C三种基本模型，模型效果进行排名，假设排名分别是1，2，3，那么给这三个模型赋予的权值分别是3/6、2/6、1/6。这两种方法看似简单，其实后面的高级算法也可以说是基于此而产生的，Bagging或者Boosting都是一种把许多弱分类器这样融合成强分类器的思想。
Bagging：RandomForest
Boosting：Adaboost、GBDT、Xgboost
Stacking：用了Lasso，Ridge，SVR，KernelRidge，ElasticNet，BayesianRidge作为第一层模型，KernelRidge作为第二层模型第一层5个模型，第二层1个元模型。第一层模型的作用是训练得到一个Rn×m的特征矩阵来用于输入第二层模型训练，其中n为训练数据行数，m为第一层模型个数。