【机器学习】5.1.预测 房产成交价格预测

于 2023-12-07 13:08:58 发布
阅读量579 收藏 7
点赞数 13
分类专栏： 机器学习 文章标签： 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/CSDNLHCC/article/details/134852577
版权
文章介绍了使用Python进行房价数据预处理、特征工程（如小区数量、平均价格等）和构建Logistic回归模型来预测季度房价涨幅的过程，以及模型在增加新特征后的效果分析。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

包含全部示例的代码仓库见GIthub

目录

1 导入库

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.linear_model import LogisticRegression

2 数据准备

data_list = []
for i in range(1,8):
    try:
        data = pd.read_csv('./dataset/lianjia{}.csv'.format(i), encoding='gbk')
    except:
        data = pd.read_csv('./dataset/lianjia{}.csv'.format(i))
    finally:
        data_list.append(data)
data = pd.concat(data_list)
data = data.dropna()
data = data[['cjzongjia','cjdanjia','cjxiaoqu','cjlouceng','cjshijian',
      'bankuai','mendian','xingming','congyenianxian']]
data.cjdanjia = np.round(data.cjdanjia.str.replace('元/平','').astype(np.float32).map(lambda x:x/10000),2)
data.head()
# output
cjzongjia	cjdanjia	cjxiaoqu	cjlouceng	cjshijian	bankuai	mendian	xingming	congyenianxian
0	251.0	4.40	红莲北里 3室1厅 57平	南 北/高楼层/6层	签约时间：2015-05-24	马连道	红莲北里店	郭海龙	4-5年
1	159.0	3.70	红莲南里 1室1厅 43平	南/高楼层/7层	签约时间：2015-05-10	马连道	红莲北里店	郭海龙	4-5年
2	257.0	3.90	常青藤嘉园 1室1厅 65平	北/低楼层/16层	签约时间：2015-04-26	马连道	红莲北里店	郭海龙	4-5年
3	243.0	4.13	红莲北里 2室1厅 58平	南 北/高楼层/6层	签约时间：2015-04-04	马连道	红莲北里店	郭海龙	4-5年
4	372.5	4.21	广安门外大街 3室1厅 88平	东 南 西 北/中楼层/18层	签约时间：2015-04-01	马连道	红莲北里店	郭海龙	4-5年

异常值处理

data = data[data.cjshijian.map(lambda x:isinstance(x, str))]
# isinstance(x, str) 判断x是否为str类型
data.cjshijian = pd.to_datetime(data.cjshijian.str.replace('签约时间：',''))
data
# output
	cjzongjia	cjdanjia	cjxiaoqu	cjlouceng	cjshijian	bankuai	mendian	xingming	congyenianxian
0	251.00	4.40	红莲北里 3室1厅 57平	南 北/高楼层/6层	2015-05-24	马连道	红莲北里店	郭海龙	4-5年
1	159.00	3.70	红莲南里 1室1厅 43平	南/高楼层/7层	2015-05-10	马连道	红莲北里店	郭海龙	4-5年
2	257.00	3.90	常青藤嘉园 1室1厅 65平	北/低楼层/16层	2015-04-26	马连道	红莲北里店	郭海龙	4-5年
3	243.00	4.13	红莲北里 2室1厅 58平	南 北/高楼层/6层	2015-04-04	马连道	红莲北里店	郭海龙	4-5年
4	372.50	4.21	广安门外大街 3室1厅 88平	东 南 西 北/中楼层/18层	2015-04-01	马连道	红莲北里店	郭海龙	4-5年
...	...	...	...	...	...	...	...	...	...
6653	145.00	2.28	天洋城 1室1厅 63平	西/高楼层/31层	2016-07-13	燕郊城区	天洋城一店	倪海新	<1年
6656	390.00	8.10	平原里小区 1室--厅 48平	东 西/中楼层/9层	2016-09-11	白纸坊	半步桥小学店	蒲宁宁	<1年
6657	100.00	1.91	美林湾 1室1厅 52平	西/高楼层/34层	2016-04-10	燕郊城区	国道总部店	衣健华	1-2年
6658	71.75	1.21	燕郊电子城小区 2室1厅 59平	南 北/高楼层/6层	2016-01-29	燕郊城区	国道总部店	衣健华	1-2年
6659	70.00	1.18	福城上上城三季 2室1厅 59平	北/中楼层/26层	2015-12-20	燕郊城区	国道总部店	衣健华	1-2年

data = data.set_index('cjshijian')
data = data.sort_index()  # 索引排序
data3 = data['2015-01-01':'2015-9-30']  # 选取2015年数据前3季度数据，pandas索引切片前后都包含
data4 = data['2015-10-01':'2015-12-31']

选择成交数量大于5的小区

data3 = data3.assign(xiaoqu = data3.cjxiaoqu.map(lambda x:x.split()[0]))
all6 = data3.xiaoqu.value_counts()[data3.xiaoqu.value_counts() > 5].index
data3 = data3[data3.xiaoqu.isin(all6)]
data3_m = data3.groupby('xiaoqu').cjdanjia.mean()

data4 = data4.assign(xiaoqu = data4.cjxiaoqu.map(lambda x:x.split()[0]))
data4 = data4[data4.xiaoqu.isin(all6)]
data4_m = data4.groupby('xiaoqu').cjdanjia.mean()

第四季度涨幅比例

xq_up = (data4_m - data3_m)/data3_m  # 涨幅比例

拼接特征涨幅，套数到dataframe

(xq_up > 0.1).sum()
# output
545

len(xq_up)
# output
1591

xq_up = xq_up.dropna()
type(xq_up)
# output
pandas.core.series.Series

xq_up = xq_up.to_frame()   # Series 转 dataframe
xq_up = xq_up.assign(zhangfu = (xq_up.cjdanjia > 0.1).astype('int'))  # 涨幅大于0.1的转为1
data_taoshu = data3.groupby('xiaoqu').count()['cjxiaoqu'].to_frame().rename(columns={'cjxiaoqu':'taoshu'})
data = pd.merge(xq_up, data_taoshu, left_index=True, right_index=True, how='left') # 以左边的xq_up为准合并
del data['cjdanjia']

拼接特征成交单价，成交总价到dataframe

data_danjia = data3.groupby('xiaoqu').cjdanjia.mean().to_frame()
data = pd.merge(data, data_danjia, left_index=True, right_index=True, how='left')
data_zongjia = data3.groupby('xiaoqu').cjzongjia.mean().to_frame()
data = pd.merge(data, data_zongjia, left_index=True, right_index=True, how='left')
data
# output
    zhangfu	taoshu	cjdanjia	cjzongjia
xiaoqu				
10AM新坐标	0	16	3.359375	181.412500
11站	1	8	2.366250	180.950000
7克拉	0	13	3.601538	130.538462
@北京	1	6	1.238333	79.083333
BOBO自由城	1	27	2.565556	247.024444
...	...	...	...	...
龙锦苑东四区	0	16	2.041875	230.112500
龙锦苑二区	1	9	2.715556	280.722222
龙锦苑六区	0	14	2.880714	277.985714
龙锦苑四区	0	11	2.930909	289.272727
龙鼎园	1	20	1.990000	186.905000

3 模型构建

index = np.random.permutation(len(data))  # 乱序
data_train = data.iloc[index[:int(0.7*len(data))]]  # 对index切片
data_test = data.iloc[index[int(0.7*len(data))]:]  # iloc切片

x_train, y_train = data_train[['taoshu', 'cjdanjia', 'cjzongjia']], data_train.zhangfu
x_test, y_test = data_test[['taoshu', 'cjdanjia', 'cjzongjia']], data_test.zhangfu

model = LogisticRegression()
model.fit(x_train, y_train)
model.score(x_test, y_test)
# output
0.6428571428571429

4 模型改进 增加特征

data_jjr_num = data3.groupby('xiaoqu').xingming.unique().map(len).to_frame()
data = pd.merge(data, data_jjr_num, left_index=True, right_index=True, how='left')
data_md_num = data3.groupby('xiaoqu').mendian.unique().map(len).to_frame()
data = pd.merge(data, data_md_num, left_index=True, right_index=True, how='left')
data
# output
     zhangfu	taoshu	cjdanjia	cjzongjia	xingming	mendian
xiaoqu						
10AM新坐标	0	16	3.359375	181.412500	8	7
11站	1	8	2.366250	180.950000	7	4
7克拉	0	13	3.601538	130.538462	8	5
@北京	1	6	1.238333	79.083333	6	4
BOBO自由城	1	27	2.565556	247.024444	12	5
...	...	...	...	...	...	...
龙锦苑东四区	0	16	2.041875	230.112500	13	11
龙锦苑二区	1	9	2.715556	280.722222	7	4
龙锦苑六区	0	14	2.880714	277.985714	12	9
龙锦苑四区	0	11	2.930909	289.272727	8	5
龙鼎园	1	20	1.990000	186.905000	14	11

index = np.random.permutation(len(data)) 
data_train = data.iloc[index[:int(0.7*len(data))]]  # 对index切片
data_test = data.iloc[index[int(0.7*len(data))]:]  # iloc切片
x_train, y_train = data_train[['taoshu', 'cjdanjia', 'cjzongjia', 'xingming', 'mendian']], data_train.zhangfu
x_test, y_test = data_test[['taoshu', 'cjdanjia', 'cjzongjia', 'xingming', 'mendian']], data_test.zhangfu

model2  = LogisticRegression()
model2.fit(x_train, y_train)
model2.score(x_test, y_test)
# output
0.630939226519337

data3 = data3.assign(louceng = data3.cjlouceng.map(lambda x:x.split('/')[1]))
data_lc = pd.crosstab(data3.xiaoqu, data3.louceng)  # 交叉表
data = pd.merge(data, data_lc, left_index=True, right_index=True, how='left')
data
# output
     zhangfu	taoshu	cjdanjia	cjzongjia	xingming	mendian	中楼层	低楼层	地下室	高楼层
xiaoqu										
10AM新坐标	0	16	3.359375	181.412500	8	7	8	5	0	3
11站	1	8	2.366250	180.950000	7	4	1	2	0	5
7克拉	0	13	3.601538	130.538462	8	5	11	2	0	0
@北京	1	6	1.238333	79.083333	6	4	1	4	0	1
BOBO自由城	1	27	2.565556	247.024444	12	5	13	7	0	7
...	...	...	...	...	...	...	...	...	...	...
龙锦苑东四区	0	16	2.041875	230.112500	13	11	6	2	0	8
龙锦苑二区	1	9	2.715556	280.722222	7	4	4	1	0	4
龙锦苑六区	0	14	2.880714	277.985714	12	9	8	5	0	1
龙锦苑四区	0	11	2.930909	289.272727	8	5	8	3	0	0
龙鼎园	1	20	1.990000	186.905000	14	11	11	3	0	6

index = np.random.permutation(len(data)) 
data_train = data.iloc[index[:int(0.7*len(data))]]  # 对index切片
data_test = data.iloc[index[int(0.7*len(data))]:]  # iloc切片
x_train, y_train = data_train[[x for x in data.columns if x!= 'zhangfu']], data_train.zhangfu
x_test, y_test = data_test[[x for x in data.columns if x!= 'zhangfu']], data_test.zhangfu

model3  = LogisticRegression()
model3.fit(x_train, y_train)
model3.score(x_test, y_test)
# output
0.6396508728179551

如果添加了两个相关的特征，模型的准确率会降低

评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

LouHerGetUp

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值