本文介绍了使用华为云进行机器学习的实战，通过线性回归模型预测美国King County的房价。内容包括数据处理、特征预处理（归一化和标准化）、模型训练（线性回归）及模型评估。
各位好，我是乾颐堂大堂子。领取完整实战指南可以私信我，关键词：实战指南
导入相关python库
2.数据处理
下载的是两个数据文件，一个是真实数据，一个是测试数据，打开kc_train.csv，能够看到第二列是销售价格，而我们要预测的就是销售价格，所以在训练过程中是不需要销售价格的，把第二列删除掉，新建一个csv文件存放销售价格这一列，作为后面的结果对比。
2.1数据说明
数据主要包括2014年5月至2015年5月美国King County的房屋销售价格以及房屋的基本信息。 数 据分为训练数据和测试数据， 分别保存在kc_train.csv和kc_test.csv两个文件中。 其中训练数据主要包括10000条记录， 14个字段， 主要字段说明如下：
第一列 “销售日期” ： 2014年5月到2015年5月房屋出售时的日期
第二列 “销售价格” ： 房屋交易价格， 单位为美元， 是目标预测值
第三列 “卧室数” ： 房屋中的卧室数目
第四列 “浴室数” ： 房屋中的浴室数目
第五列 “房屋面积” ： 房屋里的生活面积
第六列 “停车面积” ： 停车坪的面积
第七列 “楼层数” ： 房屋的楼层数
第八列 “房屋评分” ： King County房屋评分系统对房屋的总体评分
第九列 “建筑面积” ： 除了地下室之外的房屋建筑面积
第十列 “地下室面积” ： 地下室的面积
第十一列“建筑年份” ： 房屋建成的年份
第十二列“修复年份” ： 房屋上次修复的年份
第十三列"纬度"： 房屋所在纬度
第十四列“经度” ： 房屋所在经度
测试数据主要包括3000条记录， 13个字段&
最低0.47元/天 解锁文章
5628
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
