機器學(xué)習(xí)實踐教程 課件 第10章 房價預(yù)測

第10章房價預(yù)測主要內(nèi)容探索數(shù)據(jù)數(shù)據(jù)可視化與相關(guān)性空值的處理文本屬性與流式處理模型選擇探索數(shù)據(jù)加載數(shù)據(jù)查看空值屬性的直方圖對收的中位數(shù)分組分組統(tǒng)計分層抽樣加載數(shù)據(jù)longitude——經(jīng)度。latitude——緯度。housing_median_age——房屋年齡的中位數(shù)。total_rooms——總房間數(shù)。total_bedrooms——總臥室數(shù)量。population——總?cè)藬?shù)。households——家庭數(shù)量。median_income——收入中位數(shù)。median_house_value——房價中位數(shù)。ocean_proximity——房屋與大海的距離。查看空值通過info方法屬性的直方圖housing.hist(bins=50,figsize=(18,15))房價中位數(shù)是我們要預(yù)測的目標(biāo)值。對收入中位數(shù)進行分組0-1.51.5-33-4.54.5-66-inf分組統(tǒng)計value_counts方法展示數(shù)據(jù)hist方法展示直方圖分層抽樣構(gòu)造StratifiedShuffleSplit對象n_splits=1表示只分1次test_size=0.2表示20%的數(shù)據(jù)條目作為測試集驗證分層抽樣的有效性數(shù)據(jù)可視化與相關(guān)性根據(jù)地理位置展示數(shù)據(jù)相關(guān)關(guān)系相關(guān)系數(shù)3個新屬性根據(jù)地理位置展示數(shù)據(jù)帶顏色和大小的地理位置散點圖解讀散點圖對角線圖形無意義房價中位數(shù)與房屋年齡：無明顯相關(guān)性房價中位數(shù)與收入中位數(shù)：明顯相關(guān)性家庭數(shù)量與臥室總數(shù)：幾乎為直線的散點圖相關(guān)系數(shù)使用corr方法計算相關(guān)系數(shù)矩陣解讀相關(guān)系數(shù)值：接近1表示強正相關(guān)，接近-1表示強負(fù)相關(guān)，接近0表示弱相關(guān)房價中位數(shù)與收入中位數(shù)的相關(guān)系數(shù)：0.688新屬性與相關(guān)性重新計算包含新屬性的相關(guān)性矩陣列出與房價中位數(shù)相關(guān)性最強的新屬性示例代碼與結(jié)果空值的處理列出有NaN的行處理NaNSimpleImputer類列出有NaN的行處理NaN方案一：丟棄有NaN的區(qū)域方案二：丟棄有NaN的屬性方案三：用中位數(shù)替換NaNSimpleImputer類SimpleImputer類來專門處理空值SimpleImputer類的用法：先構(gòu)造對象調(diào)用fit和transform方法文本屬性與流式處理文本屬性O(shè)rdinalEncoder轉(zhuǎn)換器OneHotEncoder類流式處理自定義PipelineColumnTransformer文本屬性O(shè)rdinalEncoder轉(zhuǎn)換器OneHotEncoder類流式處理自定義轉(zhuǎn)換器稱為AttributesAdder繼承BaseEstimator和TransformerMixin實現(xiàn)fit和transform方法自定義PipelineColumnTransformer模型選擇分離標(biāo)簽數(shù)值處理Pipeline線性回歸決策樹隨機森林模型微調(diào)最佳參數(shù)模型分離標(biāo)簽房價中位數(shù)median_house_value是我們要預(yù)測的目標(biāo)。目標(biāo)值也稱為標(biāo)簽，在使用時需要將其單獨分離出來。數(shù)值處理Pipeline自定義添加3個新屬性的轉(zhuǎn)換器把文本屬性去掉定義num_pipeline來處理數(shù)值屬性用ColumnTransformer來同時