kaggle比赛流程

对问题的认识

搞清楚有哪些特征，各自代表的意义是什么。（看特征说明结合head)
对将要预测的连续变量做一个describe,有一个直观的认识

对数据的认识

**首先，**依据直觉将数值类特征和类型类特征分别进行绘图处理，查看他们与标签的关系。
数值类特征，通过绘制散点图观察特征与标签的关系，来估计特征的重要程度。如

var = 'GrLivArea'
data = pd.concat([df_train['SalePrice'], df_train[var]], axis=1)
data.plot.scatter(x=var, y='SalePrice', ylim=(0,800000));

类别类特征，观察不同类别时对标签的影响，如

var = 'OverallQual'
data = pd.concat([df_train['SalePrice'], df_train[var]], axis=1)
f, ax = plt.subplots(figsize=(8, 6))
fig = sns.boxplot(x=var, y="SalePrice", data=data)
fig.axis(ymin=0, ymax=800000);

其次，通过协方差图来观看数据之间的关系，

corrmat = df_train.corr()
f, ax = plt.subplots(figsize=(12, 9))
sns.heatmap(corrmat, vmax=.8, square=True);

挑选比较重要的特征再次通过协方差图进行分析，

k = 10 #number of variables for heatmap
cols = corrmat.nlargest(k, 'SalePrice')['SalePrice'].index
cm = np.corrcoef(df_train[cols].values.T)
sns.set(font_scale=1.25)
hm = sns.heatmap(cm, cbar=True, annot=True, square=True, fmt='.2f', annot_kws={'size': 10}, yticklabels=cols.values, xticklabels=cols.values)
plt.show()

对比较感兴趣的特征进行散点图的绘制，部分图像，可以看出来是对称性的

sns.set()
cols = ['SalePrice', 'OverallQual', 'GrLivArea', 'GarageCars', 'TotalBsmtSF', 'FullBath', 'YearBuilt']
sns.pairplot(df_train[cols], size = 2.5)
plt.show();