python机器学习——加州房价

python机器学习——加州房价

跟随kaggle课程练习

---

学习内容：

L3：
1、 选择建模数据

# 数据经度、纬度、住房年龄中位、一个街区内的总房屋数、一个街区内的总卧室数、
# 人口、家庭总数、收入中位数、房屋价值中位数、是否近海
# 一个街区内的总卧室数有部分缺失值

import pandas as pd
from sklearn.tree import DecisionTreeRegressor
house_file_path = 'Datasets\California Housing Prices\housing.csv'
house_data = pd.read_csv(house_file_path)

2、 处理缺失值

filtered_house_data = house_data.dropna(axis=0)
# 过滤有缺失值的行

3、 选择预测目标

house_predict = ['median_house_value']
y = filtered_house_data[house_predict]  # 将房屋价格中位数设置为预测目标y

4、 选择特征

house_features = ['housing_median_age','total_rooms','total_bedrooms','population','households','median_income&#