[Kaggle]House Prices: Advanced Regression Techniques

本文主要是介绍[Kaggle]House Prices: Advanced Regression Techniques，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1、背景说明

2、前期准备

3、程序设计

4、知识点说明

5、测试结果

6、总结

7、附录：解释特征

---

1、背景说明

1.1 项目名称：

House Prices_Advanced Regression Techniques https://www.kaggle.com/c/house-prices-advanced-regression-techniques

1.2 实现目标：

预测出测试集的售价，通过RMSE（均方根误差）来进行评分

1.3 我的成绩：

https://www.kaggle.com/gelhart 275/4076 7%

1.4 所需工具：

python以及相关库（numpy,pandas,skelearn,matplotlib,seaborn）、使用Sublime txt、iPython notebook调试程序

---

2、前期准备

2.1 安装组件：

python3.6、numpy、pandas、scipy、matplotlib、sklearn、ipython、Sublime txt

2.2 下载数据：

https://www.kaggle.com/c/house-prices-advanced-regression-techniques/data 其中train.csv是训练集，test.csv是测试集，sample submission.csv是提交样例。

2.3 观察分析数据

掌握每个特征的名称、含义、数据类型和数据内容。

---

3、程序设计

3.1 头文件：

import pandas as pd#数据处理

import matplotlib.pyplot as plt #plot.scatter画散点图

import seaborn as sns#画热力图/箱型图

import numpy as np#数据处理,pandas的基础

from scipy.stats import skew#求偏度

import warnings

warnings.filterwarnings("ignore")#忽略警告

from sklearn.base import BaseEstimator, TransformerMixin, RegressorMixin, clone# sklearn基础函数

from sklearn.preprocessing import LabelEncoder#转换

from sklearn.preprocessing import RobustScaler, StandardScaler#编码

from sklearn.preprocessing import Imputer#处理缺失值

from sklearn.metrics i

这篇关于[Kaggle]House Prices: Advanced Regression Techniques的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---