[{"createTime":1735734952000,"id":1,"img":"hwy_ms_500_252.jpeg","link":"https://activity.huaweicloud.com/cps.html?fromacct=261f35b6-af54-4511-a2ca-910fa15905d1&utm_source=V1g3MDY4NTY=&utm_medium=cps&utm_campaign=201905","name":"华为云秒杀","status":9,"txt":"华为云38元秒杀","type":1,"updateTime":1735747411000,"userId":3},{"createTime":1736173885000,"id":2,"img":"txy_480_300.png","link":"https://cloud.tencent.com/act/cps/redirect?redirect=1077&cps_key=edb15096bfff75effaaa8c8bb66138bd&from=console","name":"腾讯云秒杀","status":9,"txt":"腾讯云限量秒杀","type":1,"updateTime":1736173885000,"userId":3},{"createTime":1736177492000,"id":3,"img":"aly_251_140.png","link":"https://www.aliyun.com/minisite/goods?userCode=pwp8kmv3","memo":"","name":"阿里云","status":9,"txt":"阿里云2折起","type":1,"updateTime":1736177492000,"userId":3},{"createTime":1735660800000,"id":4,"img":"vultr_560_300.png","link":"https://www.vultr.com/?ref=9603742-8H","name":"Vultr","status":9,"txt":"Vultr送$100","type":1,"updateTime":1735660800000,"userId":3},{"createTime":1735660800000,"id":5,"img":"jdy_663_320.jpg","link":"https://3.cn/2ay1-e5t","name":"京东云","status":9,"txt":"京东云特惠专区","type":1,"updateTime":1735660800000,"userId":3},{"createTime":1735660800000,"id":6,"img":"new_ads.png","link":"https://www.iodraw.com/ads","name":"发布广告","status":9,"txt":"发布广告","type":1,"updateTime":1735660800000,"userId":3},{"createTime":1735660800000,"id":7,"img":"yun_910_50.png","link":"https://activity.huaweicloud.com/discount_area_v5/index.html?fromacct=261f35b6-af54-4511-a2ca-910fa15905d1&utm_source=aXhpYW95YW5nOA===&utm_medium=cps&utm_campaign=201905","name":"底部","status":9,"txt":"高性能云服务器2折起","type":2,"updateTime":1735660800000,"userId":3}]
案例目标:根据房子特征,预测某房房价,选出最优模型。
主要步骤:
1. 数据清洗。数据分类,缺失值和异常值处理。
2. 特征分析。统计量分析和相关性分析。
3. 特征工程。特征选择和特征融合。
4. 模型构建。特征标准化,交叉验证,GBoost和Xgboost。
5. 模型评价。
1. 数据清洗
1.1数据分类。除SalePrice,所有数据按照数值类型(numerical)和类别类型(category)分类。
1.2 缺失值处理
整合缺失值信息。
删除缺失值超过15%的特征,根据具体含义,对部分类别型数据缺失值用众数填充。
根据具体含义,对部分数值型和类别型数据缺失值用‘None’填充。
1.3 异常值处理
删除与均值之差的绝对值大于三倍标准差的异常值。
2. 特征分析
2.1 统计量分析
查看‘SalePrice’的统计量,并可视化展示其数值分布情况。
计算偏度峰度
2.2 相关性分析
计算所有数值型特征与房价的相关系数,并筛选出相关性大于0.5的k个特征,计算这k个特征的相关系数,并可视化表示。
对面积特征画多变量图
对角线上是各个变量的直方图,而非对角线上是两个不同变量之间的相关图。
由多变量图,剔除4个特征的异常值。
计算4个面积特征的偏度峰度。
对于非线性特征,用直方图展示不同月份房子销量。
计算各个特征的p值。
3. 特征工程。
3.1 特征选择
整合重要数值型特征数据
3.2 特征融合
构建总面积特征,并画出回归图。
根据回归图,剔除异常值。
继续融合特征,并对所有的类别型特征one-hot编码。
4. 模型构建
4.1 定义验证函数
特征标准化,定义验证函数为5折交叉验证。
4.2 模型构建
构建GBoost模型和Xgboost模型。
4.3 划分样本
5. 模型评价
5.1 定义回归拟合图
5.2 对比评价
GBoost模型的均方根误差RMSE更小,拟合优度R2_test更大,故选择GBoost模型进行房价预测更合适。