python机器学习——加州房价
python机器学习——加州房价
跟随kaggle课程练习
学习内容:
L3:
1、 选择建模数据
# 数据经度、纬度、住房年龄中位、一个街区内的总房屋数、一个街区内的总卧室数、
# 人口、家庭总数、收入中位数、房屋价值中位数、是否近海
# 一个街区内的总卧室数有部分缺失值import pandas as pd
from sklearn.tree import DecisionTreeRegressor
house_file_path = 'Datasets\California Housing Prices\housing.csv'
house_data = pd.read_csv(house_file_path)
2、 处理缺失值
filtered_house_data = house_data.dropna(axis=0)
# 过滤有缺失值的行
3、 选择预测目标
house_predict = ['median_house_value']
y = filtered_house_data[house_predict] # 将房屋价格中位数设置为预测目标y
4、 选择特征
house_features = ['housing_median_age','total_rooms','total_bedrooms','population','households','median_income']
x = filtered_house_data[house_features] # 设置特征为x(特征:影响目标的因素)
4、 构建模型
house_model = DecisionTreeRegressor(random_state=1)
# 定义模型。为random_state指定一个数字以确保每次运行都得到相同的结果
house_model.fit(x, y) # 捕获预测目标和特征
5、输出
我们将对训练数据的前几行进行预测,以了解predict函数是如何工作的。
print("Predictions for the following :")
print(house_data.head())
print("The predictions are")
print(house_model.predict(x.head()))
运行结果:
Predictions for the following :longitude latitude ... median_house_value ocean_proximity
0 -122.23 37.88 ... 452600.0 NEAR BAY
1 -122.22 37.86 ... 358500.0 NEAR BAY
2 -122.24 37.85 ... 352100.0 NEAR BAY
3 -122.25 37.85 ... 341300.0 NEAR BAY
4 -122.25 37.85 ... 342200.0 NEAR BAY[5 rows x 10 columns]
The predictions are
[452600. 358500. 352100. 341300. 342200.]
python机器学习——加州房价相关推荐
- 【机器学习实用指南】加州房价中位数预测
加州房价预测 # 同时支持python2和python3 from __future__ import division,print_function,unicode_literals# 常用库 im ...
- 波士顿房价预测python代码_Python之机器学习-波斯顿房价预测
AI 人工智能 Python之机器学习-波斯顿房价预测 波士顿房价预测 导入模块 import pandas as pd import numpy as np import matplotlib.py ...
- Python机器学习/数据挖掘项目实战 波士顿房价预测 回归分析
Python机器学习/数据挖掘项目实战 波士顿房价预测 回归分析 此数据源于美国某经济学杂志上,分析研究波士顿房价( Boston HousePrice)的数据集. 在这个项目中,你将利用马萨诸塞州波 ...
- python机器学习——支持向量机回归与波士顿房价案例
支持向量机回归与波士顿房价案例 一.从传统回归模型到支持向量回归模型 二.核函数 三.常用的几种核函数 四.SVM 算法的优缺点 五.建模实例 (1)导入数据 (2)划分训练集测试集 (3)数据标准化 ...
- Python机器学习框架介绍
目录 1 为什么选择用Python 2 机器学习和深度学习框架 2.1 Pandas 2.2 Num Py 2.3 Matplotlib 2.4 Seaborn 2.5 Scikit-learn 2. ...
- 1-2 用Python编写【房价预测】模型----paddle
课程>我的课程>百度架构师手把手教深度学习>1-2 用Python编写[房价预测]模型> 1-2 用Python编写[房价预测]模型 paddle初级教程第一章 第二节 王然( ...
- Python机器学习--回归
线性回归 # -*- coding: utf-8 -*- """ Created on Wed Aug 30 19:55:37 2017@author: Administ ...
- python常用代码入门-入门十大Python机器学习算法(附代码)
入门十大Python机器学习算法(附代码) 今天,给大家推荐最常用的10种机器学习算法,它们几乎可以用在所有的数据问题上: 1.线性回归 线性回归通常用于根据连续变量估计实际数值(房价.呼叫次数.总销 ...
- 小象python培训班_小象最新Python机器学习升级版视频学习教程 共24节精品课
小象最新Python机器学习升级版视频学习教程 共24节精品课 本课程特点是从数学层面推导最经典的机器学习算法,以及每种算法的示例和代码实现(Python).如何做算法的参数调试.以实际应用案例分析各 ...
- Python机器学习基础篇二《监督学习》
前言 前期回顾: Python机器学习基础篇一<为什么用Python进行机器学习> 前面说过,监督学习是最常用也是最成功的机器学习类型之一.本章将会详细介绍监督学 习,并解释几种常用的监督 ...
最新文章
- 如何在主机win10和虚拟机(virtualbox)中的Ubuntu进行文件传输即共享文件夹的建立
- linux 源码目录结构 文件系统目录结构
- 有关Visual Studio 2008 SP1和SQL Server 2008的一些说明
- Eclipse 创建web项目后没有 Java EE 5 Library,没有web开发相关基础java包,myeclipse中有。...
- 16道关于Python基础方面的练习题
- 招聘:兼职ASP.NET 开发工程师
- 纹理特征:灰度共生矩阵
- xss 表单劫持(from通用明文记录)
- .php t=,关于php:意外的T_VARIABLE,期望T_FUNCTION
- Eclipse 【3.4】 版本安装【插件】时的【dropins】 目录
- jquery-ajax请求.NET MVC 后台
- 使用docker搭建db2数据库
- 读书笔记:Hadoop权威指南 简介
- 【华为校招】【校招】【Java】叠积木
- 非功能性需求基础概念
- 关于软件开发项目任务的横向分解和纵向分解
- linux编译文件 no such,Linux中编译或安装程序时提示No such file or directory
- 黑客攻防技术宝典Web实战篇(第二版)_读书笔记(第一章~第三章)
- 网页.css的文件的写法
- python 读取地震道头数据_使用python获取(宜宾市地震信息)地震信息
热门文章
- 外星人17r4原版系统_外星人Alienware 17R4 测评/升级
- java.util之ArrayList使用
- 大数据可视化--全球分布散点图
- Windows 小工具软件:截屏,录音,音频转换
- element 日期选择器不能选择当天日期以后的日期
- 搜索引擎代码资源[转]
- 输入身高体重测身材_【测试】你的身材标准吗? 附赠20-39岁成年人身高体重评分标准...
- 杂项-Java:JCP
- 约分最简分式 (15 分)
- c语言静态变量总结,c语言什么是静态变量