kaggle比赛:房价预测

1. 获取和读取数据集

%matplotlib inline
from mxnet import autograd, gluon, init, nd
from mxnet.gluon import data as gdata, loss as gloss, nn
import numpy as np
import pandas as pd
train_data = pd.read_csv('kaggle_house_pred_train.csv')
test_data = pd.read_csv('kaggle_house_pred_test.csv')
# 查看数据集大小
train_data.shape
(1460, 81)
test_data.shape
(1459, 80)
# 查看数据集的前4个特征、后2个特征和标签(SalePrice)
train_data.iloc[0:4, [0, 1, 2, 3, -3, -2, -1]]
Id MSSubClass MSZoning LotFrontage SaleType SaleCondition SalePrice
0 1 60 RL 65.0 WD Normal 208500
1 2 20 RL 80.0 WD Normal 181500
2 3 60 RL 68.0 WD Normal 223500
3 4 70 RL 60.0 WD Abnorml 140000

第一个特征是Id,它能帮助模型记住每个训练样本,但难以推广到测试样本,所以不使用它来训练。我们将所有的训练数据和测试数据的79个特征按样本连结。

all_features = pd.concat((train_data.iloc[:, 1:-1], test_data.iloc[:, 1:]))

2. 预处理数据

对连续数值的特征做标准化:设该特征在整个数据集上的均值为μ\muμ,标准差为σ\sigmaσ。那么,我们可以将该特征的每个值先减去μ\muμ再除以σ\sigmaσ得到标准化后的每个特征值。对于缺失的特征值,我们替换成该特征的均值。

numeric_features = all_features.dtypes[all_features.dtypes != 'object'].index
all_features[numeric_features] = all_features[numeric_features].apply(lambda x: (x - x.mean()) / (x.std()))
# 标准化后,每个特征的均值变为0,所以可以直接用0来填充
all_features[numeric_features] = all_features[numeric_features].fillna(0)
# 离散数值转成指示特征(dummy_na=True将缺失值也当作合法的特征值并为其创建指示特征)
all_features = pd.get_dummies(all_features, dummy_na=True)
all_features.shape
(2919, 331)
# 转换为NumPy
n_train = train_data.shape[0]
train_features = nd.array(all_features[:n_train].values)
test_features = nd.array(all_features[n_train:].values)
train_labels = nd.array(train_data.SalePrice.values).reshape((-1, 1))

3. 训练模型

采用线性回归模型和平方损失函数来训练模型

loss = gloss.L2Loss()
def get_net():net = nn.Sequential()net.add(nn.Dense(1))net.initialize()return net

给定预测值y1^,...,yn^\hat{y_1},...,\hat{y_n}y1​^​,...,yn​^​和对应的真实标签y1,...,yny_1,...,y_ny1​,...,yn​,它的定义为:
1n∑i=1n(log⁡(yi)−log⁡(yi^))2\sqrt{\frac{1}{n} \sum_{i=1}^{n} (\log(y_i)-\log(\hat{y_i}))^2} n1​i=1∑n​(log(yi​)−log(yi​^​))2​
对数均方误差的实现如下:

def log_rmse(net, features, labels):# 将小于1的值设成1,使取得对数时数值更稳定clipped_preds = nd.clip(net(features), 1, float('inf'))rmse = nd.sqrt(2 * loss(clipped_preds.log(), labels.log()).mean())return rmse.asscalar()
# adam优化算法
def train(net, train_features, train_labels, test_features, test_labels, num_epochs, learning_rate, weight_decay, batch_size):train_ls, test_ls = [], []train_iter = gdata.DataLoader(gdata.ArrayDataset(train_features, train_labels), batch_size, shuffle=True)# adamtrainer = gluon.Trainer(net.collect_params(), 'adam', {'learning_rate': learning_rate, 'wd': weight_decay})for epoch in range(num_epochs):for X, y in train_iter:with autograd.record():l = loss(net(X), y)l.backward()trainer.step(batch_size)train_ls.append(log_rmse(net, train_features, train_labels))if test_labels is not None:test_ls.append(log_rmse(net, test_features, test_labels))return train_ls, test_ls

4. K折交叉验证

def get_k_fold_data(k, i, X, y):assert k > 1fold_size = X.shape[0] // kX_train, y_train = None, Nonefor j in range(k):idx = slice(j * fold_size, (j + 1) * fold_size)X_part, y_part = X[idx, :], y[idx]if j == i:X_valid, y_valid = X_part, y_partelif X_train is None:X_train, y_train = X_part, y_partelse:X_train = nd.concat(X_train, X_part, dim=0)y_train = nd.concat(y_train, y_part, dim=0)return X_train, y_train, X_valid, y_valid
from utils import semilogy
def k_fold(k, X_train, y_train, num_epochs, learning_rate, weight_decay, batch_size):train_l_sum, valid_l_sum = 0, 0for i in range(k):data = get_k_fold_data(k, i, X_train, y_train)net = get_net()train_ls, valid_ls = train(net, *data, num_epochs, learning_rate, weight_decay, batch_size)train_l_sum += train_ls[-1]valid_l_sum += valid_ls[-1]if i == 0:semilogy(range(1, num_epochs + 1), train_ls, 'epochs', 'rmse', range(1, num_epochs + 1), valid_ls, ['train', 'valid'])print('fold %d, train rmse %f, valid rmse %f'% (i, train_ls[-1], valid_ls[-1]))return train_l_sum / k, valid_l_sum / k

5. 模型选择

k, num_epochs, lr, weight_decay, batch_size = 5, 100, 5, 0, 64
train_l, valid_l = k_fold(k, train_features, train_labels, num_epochs, lr, weight_decay, batch_size)
print('%d-fold validation: avg train rmse %f, avg valid rmse %f'% (k, train_l, valid_l))


fold 0, train rmse 0.169587, valid rmse 0.156890
fold 1, train rmse 0.162094, valid rmse 0.190214
fold 2, train rmse 0.163576, valid rmse 0.167963
fold 3, train rmse 0.167884, valid rmse 0.154819
fold 4, train rmse 0.162563, valid rmse 0.182855
5-fold validation: avg train rmse 0.165141, avg valid rmse 0.170548

6. 预测结果

def train_and_pred(train_features, test_features, train_labels, test_data, num_epochs, lr, weight_decay, batch_size):net = get_net()train_ls, _ = train(net, train_features, train_labels, None, None, num_epochs, lr, weight_decay, batch_size)semilogy(range(1, num_epochs + 1), train_ls, 'epochs', 'rmse')print('train rmse %f'% train_ls[-1])preds = net(test_features).asnumpy()test_data['SalePrice'] = pd.Series(preds.reshape(1, -1)[0])submission = pd.concat([test_data['Id'], test_data['SalePrice']], axis=1)submission.to_csv('submission.csv', index=False)
train_and_pred(train_features, test_features, train_labels, test_data, num_epochs, lr, weight_decay, batch_size)


train rmse 0.162728

kaggle比赛:房价预测(基于MXNet框架)相关推荐

  1. pytorch学习笔记(十四):实战Kaggle比赛——房价预测

    文章目录 1. Kaggle比赛 2. 获取和读取数据集 3. 预处理数据 4. 训练模型 5. KKK折交叉验证 6. 模型选择 7. 预测并在Kaggle提交结果 1. Kaggle比赛 Kagg ...

  2. kaggle比赛——房价预测

    Kaggle比赛的网址是https://www.kaggle.com/c/house-prices-advanced-regression-techniques,需要进行一定的操作才能进去. 根据比赛 ...

  3. 《动手深度学习》4.10. 实战Kaggle比赛:预测房价

    4.10. 实战Kaggle比赛:预测房价 本节内容预览 数据 下载和缓存数据集 访问和读取数据集 使用pandas读入并处理数据 数据预处理 处理缺失值&对数值类数据标准化 处理离散值-on ...

  4. 04.10. 实战Kaggle比赛:预测房价

    4.10. 实战Kaggle比赛:预测房价 详细介绍数据预处理.模型设计和超参数选择. 通过亲身实践,你将获得一手经验,这些经验将有益数据科学家的职业成长. import hashlib import ...

  5. 实战Kaggle比赛:预测房价

    文章目录 实战Kaggle比赛:预测房价 1 - 下载和缓存数据集 2 - 访问和读取数据集 3 - 数据预处理 4 - 训练 5 - K折交叉验证 6 - 模型选择 7 - 提交你的Kaggle预测 ...

  6. kaggle竞赛--房价预测详细解读

    ## Kaggle竞赛 -- 房价预测 (House Prices) #### 完整代码见[kaggle kernel](https://www.kaggle.com/massquantity/all ...

  7. 银行股价预测——基于pytorch框架RNN神经网络

    银行股价预测--基于pytorch框架RNN神经网络 任务目标 数据来源 完整代码 流程分析 1.导包 2.读入数据并做预处理 3.构建单隐藏层Rnn模型 4.设计超参数,训练模型 5.加载模型,绘图 ...

  8. kaggle (02) - 房价预测案例(进阶版)

    房价预测案例(进阶版) 这是进阶版的notebook.主要是为了比较几种模型框架.所以前面的特征工程部分内容,我也并没有做任何改动,重点都在后面的模型建造section Step 1: 检视源数据集 ...

  9. Kaggle入门——房价预测

    Kaggle比赛 Kaggle是一个著名的供机器学习爱好者交流的平台.图3.7展示了Kaggle网站的首页.为了便于提交结果,需要注册Kaggle账号. 我们可以在房价预测比赛的网页上了解比赛信息和参 ...

  10. kaggle—HousePrice房价预测项目实战

    房价预测是kaggle官网的一个竞赛项目,算是机器学习的一个入门项目.kaggle官网链接: link. 关于kaggle竞赛项目的操作流程可以参看这篇博客: link. 一.kaggle介绍 kag ...

最新文章

  1. mysql 集合减法_7 SQL 集合运算
  2. java 中required_通过实例学习Spring @Required注释原理
  3. 中国计算机学会CCF推荐国际学术会议和期刊目录-软件工程/系统软件/程序设计语言
  4. mysql出现can t_php运行提示Can't connect to MySQL server on 'localhost'的解决方法
  5. 虚拟接口+tx+linux,Linux使用笔记: 解决Xen虚拟机中VLAN接口不能ping大包的问题
  6. android image 转yuv_Android将camera获取到的YuvData在jni中转化为Mat方法
  7. 机器人植入情感芯片利与弊_马斯克活猪脑机接口试验成功!多芯片植入,硬币大小,实时读取脑电波,已被批准人脑实验...
  8. OJ0428 二分查找F701
  9. 使用Qt开发2D“沙盒”小游戏
  10. Oracle 分页方法研究
  11. oppo手机删除计算机怎样恢复,▷提示|如何将OPPO手机恢复为出厂设置
  12. 欧洲上班族心碎:工作时网聊将无隐私可言
  13. 关于图像处理中的位图切割(Bit-pane Slicing)原理的自我见解
  14. 免费在线绘图软件推荐-processon
  15. 项目视频讲解_马震宇-博客
  16. arguments的相关用法【案例】
  17. Cent0S7安装oracle11g
  18. 饥荒联机版Mod开发——制作烹饪锅食物(六)
  19. 传统农业插上数字翅膀,种地变得更智慧
  20. 超越前端Beyond Frontend — 吉密斯/gMIS 增加点选/PickUp概览功能

热门文章

  1. Android 百度地图搜索框实现,仿百度地图街景实现
  2. java 解压ygb文件_文件系统-目录项缓存与散列表
  3. 《TCP IP 详解卷1:协议》阅读笔记 - 第十四章
  4. mac设置多个屏幕显示的问题
  5. logrotate日志转储
  6. 高可用eureka服务发现实例
  7. eclispe file查找
  8. 向左还是往右?Chris Dixon谈何时放弃你的idea
  9. 电脑故障速查方法集萃
  10. mysql导入存储过程报错_mysql导入存储过程时declare报错的有关问题解决