各位好，我是乾颐堂大堂子。领取完整实战指南可以私信我，关键词：实战指南

1. 导入相关python库

2.数据处理

下载的是两个数据文件，一个是真实数据，一个是测试数据，打开kc_train.csv，能够看到第二列是销售价格，而我们要预测的就是销售价格，所以在训练过程中是不需要销售价格的，把第二列删除掉，新建一个csv文件存放销售价格这一列，作为后面的结果对比。

2.1数据说明

​数据主要包括2014年5月至2015年5月美国King County的房屋销售价格以及房屋的基本信息。 数 据分为训练数据和测试数据， 分别保存在kc_train.csv和kc_test.csv两个文件中。 其中训练数据主要包括10000条记录， 14个字段， 主要字段说明如下：

第一列 “销售日期” ： 2014年5月到2015年5月房屋出售时的日期

第二列 “销售价格” ： 房屋交易价格， 单位为美元， 是目标预测值

第三列 “卧室数” ： 房屋中的卧室数目

第四列 “浴室数” ： 房屋中的浴室数目

第五列 “房屋面积” ： 房屋里的生活面积

第六列 “停车面积” ： 停车坪的面积

第七列 “楼层数” ： 房屋的楼层数

第八列 “房屋评分” ： King County房屋评分系统对房屋的总体评分

第九列 “建筑面积” ： 除了地下室之外的房屋建筑面积

第十列 “地下室面积” ： 地下室的面积

第十一列“建筑年份” ： 房屋建成的年份

第十二列“修复年份” ： 房屋上次修复的年份

第十三列"纬度"： 房屋所在纬度

第十四列“经度” ： 房屋所在经度

测试数据主要包括3000条记录， 13个字段， 跟训练数据的不同是测试数据并不包括房屋销售价格， 学员需要通过由训练数据所建立的模型以及所给的测试数据，得出测试数据相应的房屋销售价格预测值。

3.特征预处理常用方法：归一化、标准

把数据进行无量纲化，使不同规格的数据转换到同一规格。

(选做)3.1特征缩放/数据归一化MinMaxScaler()

3.1.1将数据放缩到给定的范围

fit_transform(self, X[,y])计算并将数据放缩到给定的范围:

fit()：计算给定数据集X的最大值/最小值用于后面的放缩；

transform()：将数据集X放缩到给定的范围内。

fit_transform(),包含上述两个功能。

3.1.2恢复给定范围的数据

inverse_transfom(self, X)

3.1.3归一化解释

3.1.4为什么训练集用fit_transform而测试集用transform

训练集已经通过fit_transform求出了一些固有属性，测试集可沿用上述属性直接标准化，不必重新再求

3.1.5归一化使用局限

因为归一化是通过最大值、最小值的把数据映射到一个新的区间里，所以如果数据中有异常值（最大或者最小值是异常的、离谱的），这样机会影响整个数据的映射分布。所以这种方法鲁棒性较差，只适合传统精确小数据场景。

有没有更加通用的一种数据规范化方式呢？下面是标准化StandardScaler()。

(选做)3.2数据标准化StandardScaler()

数据标准化StandardScaler()是把数据变换到均值为0，标准差为1的范围内。标准化StandardScaler()不易受异常值的影响。在已有样本足够多的情况下比较稳定，适合现代嘈杂大数据场景。

4.模型训练

使用sklearn库的线性回归函数进行调用训练。梯度下降法获得误差最小值。

最后使用MSE和R2来评价模型的好坏程度并画图进行比较。

4.1（选做）线性回归

4.2(选做）随机梯度下降SGD

4.3（选做）岭回归Ridge

5.模型评估（注意替换参数）

6.绘制图像

7.输出结果

更多网工提升干货，请关注公众号：乾颐堂网络实验室