用多元线性回归预测房价

目录

一、处理数据

 二、多元线性回归模型预测房价

1.数据包的导入

 2. 异常值处理

3.分析数据

4.热力图分析

 5.方差分析

6.多元线性回归建模

 7.模型优化

1.设置虚拟变量

2.将结果与原数据集拼接

3.再次进行建模

 4.自定义方差膨胀因子的检测公式

5. 再次拟合

6.再次进行多元共线性检测

三、sklearn多元线性回归预测房价

1.清洗数据再求解

1.导入包和数据（此时导入的csv文件需要纠正数据，不然会出错）

2.去除第一列house_id

3.关系系数的矩阵显示

 4.赋值变量

5.异常值处理

6.使用 Z 分数法

 7.IQR方法处理的数据相关性矩阵

 8.建模输出

---

一、处理数据

应用算法时，不能盲目地套用算法，必须对数据的有效性、正确性、假设合理性进行验证，若发现数据有问题则应该先纠正数据。

1.删除重复数据

数据->数据对比->标记重复数据->确定标记->删除标记颜色的

 2,缺失值处理

数据->自动筛选->D->bedrooms旁边的绿色倒三角->选择0

 

 用同样的方法删除bathrooms

结果如图

 3.将neighborhood里的A,B,C换为10，20，30

CTRL+F->替换
 

将Victorian、ranch、lodge替换为100、200、300

最后结果：

用excel显现方程：

 二、多元线性回归模型预测房价

需要下载statsmodels

win+r->cmd

pip install statsmodels

其中我们会用到seadorn插件

pip install seadorn

1.数据包的导入

1. 导入包,数据,读取数据

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
df = pd.read_csv('h_s.csv')
df.info(); df.head()

结果图：

 2. 异常值处理

代码：

# 异常值处理
# ================ 异常值检验函数：iqr & z分数 两种方法 =========================
def outlier_test(data, column, method=None, z=2):
    """ 以某列为依据，使用 上下截断点法 检测异常值(索引) """
    """ 
    full_data: 完整数据
    column: full_data 中的指定行，格式 'x' 带引号
    return 可选; outlier: 异常值数据框 
    upper: 上截断点;  lower: 下截断点
    method：检验异常值的方法（可选, 默认的 None 为上下截断点法），
            选 Z 方法时，Z 默认为 2
    """
    # ================== 上下截断点法检验异常值 ==============================
    if method == None:
        print(f'以 {column} 列为依据，使用 上下截断点法(iqr) 检测异常值...')
        print('=' * 70)
        # 四分位点；这里调用函数会存在异常
        column_iqr = np.quantile(data[column], 0.75) - np.quantile(data[column], 0.25)
        # 1，3 分位数
        (q1, q3) = np.quantile(data[column], 0.25), np.quantile(data[column], 0.75)
        # 计算上下截断点
        upper, lower = (q3 + 1.5 * column_iqr), (q1 - 1.5 * column_iqr)
        # 检测异常值
        outlier = data[(data[column] <= lower) | (data[column] >= upper)]
        print(f'第一分位数: {q1}, 第三分位数：{q3}, 四分位极差：{column_iqr}')
        print(f"上截断点：{upper}, 下截断点：{lower}")
        return outlier, upper, lower
    # ===================== Z 分数检验异常值 ==========================
    if method == 'z':
        """ 以某列为依据，传入数据与希望分段的 z 分数点，返回异常值索引与所在数据框 """
        """ 
        params
        data: 完整数据
        column: 指定的检测列
        z: Z分位数, 默认为2，根据 z分数-正态曲线表，可知取左右两端的 2%，
           根据您 z 分数的正负设置。也可以任意更改，知道任意顶端百分比的数据集合
        """
        print(f'以 {column} 列为依据，使用 Z 分数法，z 分位数取 {z} 来检测异常值...')
        print('=' * 70)
        # 计算两个 Z 分数的数值点
        mean, std = np.mean(data[column]), n