手机参数分析和以及对手机价格预测

兰大第一ikun

已于 2022-08-18 21:46:30 修改

阅读量3.1k

点赞数 5

文章标签： python 机器学习 sklearn 人工智能

于 2022-08-18 21:41:28 首次发布

本文链接：https://blog.csdn.net/Justliketherain/article/details/126411384

版权

该博客探讨了手机价格与其参数之间的关系，使用Python、sklearn和机器学习方法（多层感知机、决策树、逻辑回归）进行预测。通过数据预处理、可视化分析和模型构建，发现电池容量、像素分辨率和RAM与价格高度相关。结果显示，决策树模型在预测准确率上表现最佳，而数据归一化处理能提高逻辑回归和多层感知机的准确率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据集下载地址： https://www.kaggle.com/vikramb/mobile-price-eda-prediction

1. 提出问题

手机存在许多参数，包括电池容量，是否有蓝牙，微处理器执行命令的速度等等。本次实验意在探讨手机的价格与这些参数的关系，并尝试根据这些手机参数，预测手机的价格范围，并展示出预测的准确度。

2. 准备工作

导入需要用到的库，包括pandas，matplotlib以及机器学习的sklearn等等。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns


from sklearn.tree import DecisionTreeClassifier
from sklearn.linear_model import LogisticRegression
from sklearn import model_selection
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.neural_network import MLPClassifier

3. 数据预处理

导入输入数据集，包括训练集和测试集。

df_train = pd.read_csv('C:/Users/28555/Desktop/train.csv')
df_test = pd.read_csv('C:/Users/28555/Desktop/test.csv')//文件存在电脑的位置

然后进行数据清洗，将训练集中的价格范围（price_range）这一列分离出去，方便之后的机器学习；同时将测试集中的ID一列剥离。

X = df_train.drop(['price_range'],axis = 1)
y = df_train['price_range']
test = df_test.drop(['id'],axis = 1)

4. 可视化分析

由于与手机价格相关的参数较多，一个一个图地输出非常麻烦，因此可直接用热力图，分析

最低0.47元/天解锁文章