python房价数据挖掘_Python数据分析及可视化实例之帝都房价预测

数据集下载易一网络科技 - 付费文章www.intumu.com

加载数据

import pandas as pd

df=pd.read_csv("MYUNOI.csv") # "石景山","丰台","朝阳","海淀","东城","西城"

df.head()

dist roomnum halls AREA floor subway school price 0 chaoyang 1 0 46.06 middle 1 0 48850 1 chaoyang 1 1 59.09 middle 1 0 46540 2 haidian 5 2 278.95 high 1 1 71662 3 haidian 3 2 207.00 high 1 1 57972 4 fengtai 2 1 53.32 low 1 1 71268

import warnings

warnings.filterwarnings("ignore")

是否有空值

df.isnull().any()

dist False

roomnum False

halls False

AREA False

floor False

subway False

school False

price False

dtype: bool

数据分割

X0, y = df.iloc[:,1:-1],df.iloc[:,-1]

from sklearn.preprocessing import OrdinalEncoder, LabelEncoder,OneHotEncoder

# 对非数字列进行编码

X = OrdinalEncoder().fit_transform(X0)

# X = OneHotEncoder().fit_transform(X) #http://localhost:8888/notebooks/20190819yellowbrick/08-Learning

# y = LabelEncoder().fit_transform(y0)

特征分析

features = X0.columns.tolist()

from yellowbrick.features.importances import FeatureImportances

model = LassoCV(alphas=alphas,cv=5)

viz = FeatureImportances(model, labels=features)

viz.fit(X, y)

viz.poof()

注：学区、地铁，这是必然的！

Alpha参数选取

import numpy as np

from sklearn.linear_model import LassoCV

from yellowbrick.regressor import AlphaSelection

alphas = np.logspace(-10, 1, 400)

# 可视化及验证

model = LassoCV(alphas=alphas,cv=5)

visualizer = AlphaSelection(model)

visualizer.fit(X, y)

visualizer.poof()

使用Alpha参数评估预测结果

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

from sklearn.linear_model import Ridge

from yellowbrick.regressor import PredictionError

visualizer = PredictionError(Ridge(alpha=0.4381))

visualizer.fit(X_train, y_train)

visualizer.score(X_test, y_test)

visualizer.poof()

学习曲线

from sklearn.linear_model import RidgeCV

from yellowbrick.model_selection import LearningCurve

model = RidgeCV()

visualizer = LearningCurve(model, scoring='r2')

visualizer.fit(X, y)

visualizer.poof()

持久化（略）

新手可查阅历史目录：yeayee：Python数据分析及可视化实例目录zhuanlan.zhihu.com

python房价数据挖掘_Python数据分析及可视化实例之帝都房价预测相关推荐

python信用卡违约_Python数据分析及可视化实例之银行信用卡违约预测（24）
1.项目背景: 银行体系对于信用可违约进行预测,原始数据集如下: 2.分析步骤: (1)数据清洗(Data Cleaning) (2) 探索性可视化(Exploratory Visualization ...
python数据分析可视化实例_Python数据分析及可视化实例之基于Kmean分析RFM进行用户关怀...
系列文章总目录:Python数据分析及可视化实例目录数据集下载 Python数据分析及可视化实例之全国各城市房价分析(含数据采集) Python数据分析及可视化实例之帝都房价预测 Python数据分 ...
python信用卡违约预测分析_Python数据分析及可视化实例之银行信用卡违约预测（24）...
1.项目背景: 银行体系对于信用可违约进行预测,原始数据集如下: 2.分析步骤: (1)数据清洗(Data Cleaning) (2) 探索性可视化(Exploratory Visualization ...
python从mongodb里取出数据进行可视化_Python数据分析及可视化实例之MongoDB增删改查...
1.MongoDB安装有时候度娘还是给力的,相反一些博客的安装方法则显得凌乱: 最初使用Win7安装经常会出现意料不到的错误, 比如开机启动服务,服务器日志等. 上面链接安装步骤简单,没有炫技的成分 ...
python数据预测案例_Python数据分析及可视化实例之疾病预测（分类）
Talk is cheap , show U the code. 该源码注释比较全面,需要对SKlearn有一定的了解, 当然,你也可以把它视作黑箱,做个调包侠也是大侠, 没错,本主用Bokeh进行可 ...
python分析数据走势_Python数据分析及可视化实例之个股走势预测（26）
1.项目背景: 仅仅用来练手,个股走势如果真预测准确了,都就改行当操盘手了,哈哈! 但话又说回来,如果把数据曲线特征提取出来,再进行对比异常判断,也是可以的. 数据源,请关注微信公众号:海豹战队,回复 ...
python数据分析实例_Python数据分析及可视化实例之爬虫源码（05）
1.背景介绍 (1)在注册了某网站之后,发现站内个人页面有个关于京杭大运河的征文.再加上之前,九寨沟地震第一时间机器人写了一篇通讯稿.于是我就在想,既然机器可以写通讯稿,那么是不是也可以用来写篇关于京 ...
mongodb 3.4 安装_Python数据分析及可视化实例之CentOS7.2+MongoDB V3.4 安装
系列文章总目录:Python数据分析及可视化实例目录我不是程序员,也不是设计师,我只是碰巧有一些想法和一台电脑. I am not a designer nor a coder. I'm just ...
jupyter 数据分析可视化案例_Python数据分析及可视化实例之Anaconda、Jupyter简介
系列文章总目录:Python数据分析及可视化实例目录简介部分依然是搬运工的活, 尽可能搬点有用的少占地方. 1.Anaconda 在win平台下用Anaconda再好不过了, 基本上继承了所有数据分 ...

python房价数据挖掘_Python数据分析及可视化实例之帝都房价预测

python房价数据挖掘_Python数据分析及可视化实例之帝都房价预测相关推荐

最新文章

热门文章