Python使用网格搜索与交叉验证的决策树算法实现波士顿房价预测（附波士顿房价数据集）

最新推荐文章于 2024-07-04 15:38:21 发布

CHCurry

最新推荐文章于 2024-07-04 15:38:21 发布

阅读量2.8k

点赞数 4

分类专栏： python数据分析与数据挖掘文章标签：波士顿房价预测

本文链接：https://blog.csdn.net/qq_34673193/article/details/97904602

版权

本文通过Python利用决策树算法预测波士顿房价，详细介绍了从数据导入、分析、模型衡量标准设定，到利用网格搜索和交叉验证选择最优参数的过程，最终进行预测。数据集经过处理，只保留了与预测相关的特征。

摘要由CSDN通过智能技术生成

数据介绍：
数据集来自UCI机器学习知识库(数据集已下线)。波士顿房屋这些数据于1978年开始统计，共506个数据点，涵盖了麻省波士顿不同郊区房屋14种特征的信息。本项目对原始数据集做了以下处理：
• 有16个’MEDV’ 值为50.0的数据点被移除。这很可能是由于这些数据点包含遗失或看不到的值。
• 有1个数据点的 ‘RM’ 值为8.78. 这是一个异常值，已经被移除。
• 对于本项目，房屋的’RM’， ‘LSTAT’，'PTRATIO’以及’MEDV’特征是必要的，其余不相关特征已经被移除。
• 'MEDV’特征的值已经过必要的数学转换，可以反映35年来市场的通货膨胀效应
数据集：链接：https://pan.baidu.com/s/18kcJ66dDzHTOdOlgFghgOA 提取码：20qa

第一步：导入数据

#载入此项目所需要的库
import numpy as np
import pandas as pd
import visuals as vs   # Supplementary code
 #检查你的Python版本
#from sys import version_info
#if version_info.major !=3 and version_info.minor != 7:
#raise Exception('请使用Python 3.7来完成此项目')

%matplotlib inline

#载入波士顿房屋的数据集
data = pd.read_csv('housing.csv')
prices = data['