预测房价实战

1、pandas读取数据

把训练集和测试集处标签外合并，准备处理数据

2、预处理数据

连续数据：
如果一个特征的值是连续的，设该特征在训练数据集和测试数据集上的均值为μ，标准差为σ。那么，该特征的每个值将先减去μ再除以σ（就是我们将每个特征在所有样本上的值转归一化成均值0方差1）

$$\mu \leftarrow \frac{1}{n}\sum_{i = 1}^{n}x_i,$$

$$\sigma^2 \leftarrow \frac{1}{n} \sum_{i=1}^{n}(x_i - \mu)^2.$$
归一化：
$$\hat{x_i} \leftarrow \frac{x_i - \mu}{\sqrt{\sigma^2 + \epsilon}},$$
$\epsilon$是一个很小的数，避免分母为0.
离散数值：
把离散数据处理成0、1…，比如，天气：晴天，雨天，多云3属性；原来的列“天气”变为3列“晴天，雨天，多云”，时候出现该天气用0，1表示，并把缺失数据值用本特征的平均值估计。

3、定义模型

比如，这里选线性函数做回归

4、定义训练函数

5、K 折交叉验证

这里进行调参，选出模型

6、预测