【人工智能項(xiàng)目】機(jī)器學(xué)習(xí)熱門項(xiàng)目-波士頓房價(jià)

1.數(shù)據(jù)概覽分析

1.1 數(shù)據(jù)概覽

本次提供：

• train.csv,訓(xùn)練集；
• test.csv,測(cè)試集；
• submission.csv 真實(shí)房價(jià)文件；

訓(xùn)練集404行數(shù)據(jù)，14列，每行數(shù)據(jù)表示房屋以及房屋周圍的詳細(xì)信息，已給出對(duì)應(yīng)的自住房平均房價(jià)。要求預(yù)測(cè)102條測(cè)試數(shù)據(jù)的房價(jià)。

1.2 數(shù)據(jù)分析

通過學(xué)習(xí)房屋以及房屋周圍的詳細(xì)信息,其中包含城鎮(zhèn)犯罪率，一氧化氮濃度，住宅平均房間數(shù)，到中心區(qū)域的加權(quán)距離以及自住房平均房價(jià)等等,訓(xùn)練模型,通過某個(gè)地區(qū)的房屋以及房屋周圍的詳細(xì)信息，預(yù)測(cè)該地區(qū)的自住房平均房價(jià)。

回歸問題，提交測(cè)試集每條數(shù)據(jù)對(duì)應(yīng)的自住房平均房價(jià)。評(píng)估指標(biāo)為均方誤差mse。

2. 項(xiàng)目總體思路

2.1 數(shù)據(jù)讀取

數(shù)據(jù)集：波士頓房間訓(xùn)練集.csv (404條數(shù)據(jù))
數(shù)據(jù)集字段如下:
CRIM：城鎮(zhèn)人均犯罪率。
ZN：住宅用地超過 25000 sq.ft. 的比例。
INDUS：城鎮(zhèn)非零售商用土地的比例。
CHAS：查理斯河空變量（如果邊界是河流，則為1；否則為0）。
NOX：一氧化氮濃度。
RM：住宅平均房間數(shù)。
AGE：1940 年之前建成的自用房屋比例。
DIS：到波士頓五個(gè)中心區(qū)域的加權(quán)距離。
RAD：輻射性公路的接近指數(shù)。
TAX：每 10000 美元的全值財(cái)產(chǎn)稅率。
PTRATIO：城鎮(zhèn)師生比例。
B：1000（Bk-0.63）^ 2，其中 Bk 指代城鎮(zhèn)中黑人的比例。
LSTAT：人口中地位低下者的比例。
MEDV：自住房的平均房價(jià)，以千美元計(jì)。

2.2 模型預(yù)處理

（1）數(shù)據(jù)離群點(diǎn)處理

首先對(duì)訓(xùn)練集進(jìn)行拆分為子訓(xùn)練集與子測(cè)試集，利用train_data.sort_values對(duì)訓(xùn)練集進(jìn)行排序，依次刪除每個(gè)特征對(duì)應(yīng)的離群樣本，利用子訓(xùn)練集與子測(cè)試集對(duì)模型進(jìn)行訓(xùn)練與測(cè)試并確定該特征下所需刪除樣本的最佳個(gè)數(shù)。

（2）數(shù)據(jù)歸一化處理

利用sklearn.preprocessing. StandardScaler對(duì)數(shù)據(jù)集與標(biāo)簽分別進(jìn)行標(biāo)準(zhǔn)化處理。

2.3. 特征工程

利用隨機(jī)森林特征選擇算法剔除不敏感特征。

2.4. 模型選擇

使用GradientBoostingRegressor集成回歸模型。

Gradient Boosting 在迭代的時(shí)候選擇梯度下降的方向來保證最后的結(jié)果最好。損失函數(shù)用來描述模型的“靠譜”程度，假設(shè)模型沒有過擬合，損失函數(shù)越大，模型的錯(cuò)誤率越高

如果我們的模型能夠讓損失函數(shù)持續(xù)的下降，則說明我們的模型在不停的改進(jìn)，而最好的方式就是讓損失函數(shù)在其梯度方向上下降。

2.5. 模型評(píng)價(jià)

采用均方誤差(MSE)評(píng)分標(biāo)準(zhǔn),MSE: Mean Squared Error 。均方誤差是指參數(shù)估計(jì)值與參數(shù)真值之差平方的期望值;

MSE可以評(píng)價(jià)數(shù)據(jù)的變化程度，MSE的值越小，說明預(yù)測(cè)模型描述實(shí)驗(yàn)數(shù)據(jù)具有更好的精確度。計(jì)算公式如下:

其在測(cè)試集上的MSE值為：

2.6. 模型調(diào)參

對(duì)n_ n_estimators的參數(shù)進(jìn)行調(diào)參：

3. 項(xiàng)目總結(jié)

通過多次實(shí)驗(yàn)，我們目前得到的最優(yōu)解為8.18左右。在處理小數(shù)據(jù)集出現(xiàn)過擬合時(shí)，首先應(yīng)當(dāng)考慮減小模型或增加數(shù)據(jù)集。由于本次實(shí)驗(yàn)是通過大量訓(xùn)練取最優(yōu)的辦法均使用缺省參數(shù)，對(duì)超參數(shù)進(jìn)一步調(diào)優(yōu)也許可更進(jìn)一步。

到此這篇關(guān)于Python人工智能之波士頓房價(jià)數(shù)據(jù)分析的文章就介紹到這了,更多相關(guān)Python 波士頓房價(jià)內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。