這周本該有兩篇文章字旭，上半周沒有完成Kaggle案例然想，花了一些時間學(xué)習(xí)了sklearn庫莺奔。周日了，先早點(diǎn)將下半周的文章發(fā)出來变泄，mark一下~
上周說好這周是汽車行業(yè)的案例令哟，奈何目前沒有找到相似的案例，所以妨蛹，依舊來自kaggle案例屏富，關(guān)于二手房的預(yù)測。
（1）定義問題
根據(jù)房屋的屬性（臥室數(shù)量蛙卤，是否沿街等信息）狠半，以及房屋的售價信息，對房屋的價格進(jìn)行評估颤难。模型可用于二手房神年，二手車的估價。
初步判定這是一個有監(jiān)督學(xué)習(xí)行嗤，可選用線性模型已日。
（2）準(zhǔn)備數(shù)據(jù)
- 原始數(shù)據(jù)包含79條房屋屬性信息，1條售價信息（SalePrice）,1條數(shù)據(jù)id信息（不具備 參考意義栅屏，剔除）
-
將79條屬性信息作為特征數(shù)據(jù)飘千，售價信息作為因變量/研究目標(biāo)堂鲜。
3.處理因變量SalePrice，
觀察發(fā)現(xiàn)护奈，原始數(shù)據(jù)中因變量是一個數(shù)字量且數(shù)值較大缔莲，存在多個不同的自變量/相同的自變量，對應(yīng)一個因變量的情況霉旗，需要尋找一種數(shù)據(jù)標(biāo)準(zhǔn)化的處理方法酌予，這里選擇將數(shù)據(jù)做平滑處理——log1p()：
log1p()函數(shù)用于偏度較大的數(shù)據(jù)進(jìn)行轉(zhuǎn)化，使其更加符合高斯分布奖慌；同時，還可以避免復(fù)值問題（一個自變量對應(yīng)多個因變量）松靡〖蛏總之，該操作是將數(shù)據(jù)壓縮到一個區(qū)間雕欺，可以看作是數(shù)據(jù)的標(biāo)準(zhǔn)化岛马。
4.處理特征數(shù)據(jù)/自變量
特征數(shù)據(jù)的類型比較復(fù)雜，有數(shù)字類型變量屠列，有離散變量啦逆，此外，存在缺失值的情況
[圖片上傳中...(Image 6.jpg-7b565f-1552791784449-0)]
（3）建模
關(guān)于模型的選擇：
通過觀察訓(xùn)練數(shù)據(jù)矩陣笛洛，稀疏夏志，嘗試采用套索回歸，結(jié)果對比模型可選用脊回歸（最小二乘添加懲罰項(xiàng)）
（4）優(yōu)化
采用xgboost優(yōu)化
5）總結(jié)分析
通過對數(shù)據(jù)的清洗苛让，以及模型的選擇和優(yōu)化沟蔑，我們可以實(shí)現(xiàn)對一組新的測試數(shù)據(jù)的輸出。分析過程中確定研究的目標(biāo)狱杰，將目標(biāo)可視化瘦材，關(guān)聯(lián)性處理，有助于分析目標(biāo)仿畸。
