2分钟学会Weka的线性回归模型来预测房价

房子的价格可能由【面积】【卧室数量】【是否装修】【朝向】等因素决定。

假设有这样的一些arff数据

@relation house

@attribute houseSize numeric
@attribute houseNumber numeric
@attribute houseDirection numeric
@attribute decoration numeric
@attribute sellingPrice numeric

@data
145,3,1,1,260
132,3,1,0,236
130,3,0,0,225
135,2,1,1,210
120,3,1,1,240
120,2,1,1,220
118,3,1,1,225
118,2,1,0,208
98,2,0,1,199
63,2,1,1,129
60,2,1,0,115
54,2,0,1,110
50,1,1,1,111
56,1,0,1,108
48,1,0,0,80

第一个房子的解释是145方，3个房间，南北向已装修，价格260万。

在weka中读入数据，可以看一看数据集的统计信息：

如卧室间数的最小值为1，最大值为3，平均值为2.133，标准差为0.743

 

1. 模型选择：Classify→functions→LinearRegression（线性回归）

2. 将之作为训练集：Test options→Using training set

3. 需要预测的是房价：Test options的组合框→sellingPrice

4. 开始建模：点击 Start

可以看到得到的模型结果是：

sellingPrice = 1.3915 * houseSize + 15.4595 * houseNumber + 12.3114 * decoration + 2.9818

也就是说110方，两卧南北朝向已装修的房子的预测价格应该是：

1.3915 * 110 + 15.4595 * 2 + 12.3114 * 1 + 2.9818 = 199.2772 万元

模型解释

• 每平方米对房屋价格的贡献为1.3915万元

• 每间房间对房屋价格的贡献为15.4595万元

• 装修与否对房屋价格的贡献为12.3114万元

• 房子的朝向对房屋价格没有关系

参考：《大学计算机案例实验教程——紧密结合学科需要》（教材） 南开大学公共计算机基础教学部