多元线性回归算法预测房价

目录

一.多元线性回归

1.定义

2.房价问题分析

二.使用Excel进行多元先回归预测

1.导入数据

2.完善数据集

1.删除数据偏差

2. 处理非数据数值

 3.Excel做线性回归

三.用jupyter+sklearn做线性回归练习

 四、用线性回归模型的统计学库实现

 五.总结

---

一.多元线性回归

1.定义

在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。

2.房价问题分析

对未来房价进行预测，在一定程度上影响着社会经济的发展。广义上讲，精确的房价预测有助于国家对市场房价走势的宏观调控，小范围来讲，未来房价预测是企业战略规划的一部分，对于消费者而言，房价预测为个人经济的合理规划起到了积极作用。由于房屋售价与多因素有关，并且房屋价格与影响房价的一些因素存在线性关系，所以选取多元线性回归模型研究该问题较为合适。
本次课题研究通过对某段时间某地区的已售房价数据进行线性回归分析，探索影响房价高低的主要因素，并对这些影响因素的影响程度进行分析，利用分析得到的数据，对未来房价的趋势和走向进行预测.
 

二.使用Excel进行多元先回归预测

1.导入数据

2.完善数据集

1.删除数据偏差

即删除不合理的数据

在beedroom中存在0的数值，这明显是不合理的，故筛选出来删除

框选删除即可

2. 处理非数据数值

线性回归中经常会遇到非数值型数据，即分类型数据，比如性别、所属省份、专业类型等等
分类型数据无法量化，一般会采用哑数据进行处理
如某个数据分为A、B、C三类，即可采用两个哑数据a，b
类型为A时，a=1,b=0
类型为B时，a=0,b=1
类型为C时，a=0,b=0
不使用a,b,c三个哑数据，是因为如果哑数据个数与分类数相同时，恒有a+b+c=1，会存在多重共线性问题
所以在N分类时，一般使用N-1个哑数据

1.在我们的数据集中neighborhood和style栏是非数值数据，在neighborhood一栏中将A,B,C以二进制编码表示为10,01,00,也就是十进制的2,1,0。
2.在style一栏中同理可得ranch,victorian,lodge为2,1,0。
方法：点击菜单栏的开始，找到查找和选择，点击选择替换，根据上述替换数据