加州房价篇 (一) : 了解数据

让我们先从加利福尼亚州的房价说起

如果没有接触过机器学习，需要先进行环境配置

在每次开始之前都需要先运行以下代码,不报错方可继续

# Python 的版本需要大于3.5 
import sys
assert sys.version_info >= (3, 5)

# Scikit-Learn的版本需要大于0.20
import sklearn
assert sklearn.__version__ >= "0.20"


import numpy as np
import os

#绘图设置
%matplotlib inline
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.rc('axes', labelsize=14)
mpl.rc('xtick', labelsize=12)
mpl.rc('ytick', labelsize=12)

在python中 ，import 表示要用到别人写的代码，比如上边代码块的第一个import ，import sys,就表示要用到别人写的sys

假设我们现在是XX地产加利福尼亚州分公司的房价分析师，老板打算找个地区投资一块地，让我们分析并预测加利福尼亚各地区的房价，老板好决定投资哪一块地

传统的分析方法需要有一个团队，对各地区的房屋信息进行分析，比较复杂，但是如果运用机器学习的方法，咱们只需要一个人就够了

了解数据

假设负责数据收集的同事已经将收集好的一些地区房价数据打包上传好了，让我们下载下来

# 本块代码现在无需理解，复制粘贴执行即可
import os
import tarfile
import urllib.request

DOWNLOAD_ROOT = "https://gitee.com/yang-yizhou/dayangai/raw/master/"
HOUSING_PATH = os.path.join("datasets", "housing")
HOUSING_URL = DOWNLOAD_ROOT + "datasets/housing/housing.tgz"

def fetch_housing_data(housing_url=HOUSING_URL, housing_path=HOUSING_PATH):
    if not os.path.isdir(housing_path):
        os.makedirs(housing_path)
    tgz_path = os.path.join(housing_path, "housing.tgz"