Lasso回归模型二手汽车价格预测

最新推荐文章于 2023-06-16 10:34:46 发布

20180694

最新推荐文章于 2023-06-16 10:34:46 发布

阅读量1.2k

点赞数 3

文章标签：机器学习 python 数据可视化

本文链接：https://blog.csdn.net/qq_44952483/article/details/117918651

版权

该博客通过数据读取、缺失值处理、特征相关性分析、预处理（归一化、分类处理）、建立Lasso回归模型以及预测检验，探讨了如何运用Lasso回归模型预测二手汽车价格。在特征相关性分析中，发现6组相关特征，并进行了模型参数调整，最终通过残差图和评价指标（MSE和R²）评估模型性能。

摘要由CSDN通过智能技术生成

下载missingno文档，解压到项目同一文件夹下。

链接：https://share.weiyun.com/I6eHxC6Q 密码：vx5x4r

数据集文档csv

链接：https://share.weiyun.com/b0rElSNA 密码：efygdy

数据集
dataname	datameans	datatype
bike_name	full name of the bike	object
price	resale price of the bike	int64
city	city where Bike was listed	object
kms_driven	kilometers driven by bike	int64
owner	number of owners of the bike	object
age	age of the bike	int64
power	power of the bike in CC	int64
brand	brand of the bike	object

一、数据读取与分析

"""
Created on Tue Jun  2 01:80:694 2021

@author: Win7
"""
#20180694#
import numpy as np
import pandas as pd
from pandas import datetime
#pandas文档：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.html#pandas.DataFrame
 
#作图库
import matplotlib.pyplot as plt
#matplotlib文档：https://matplotlib.org/gallery/index.html
import seaborn as sns 
import missingno as msno # missing values 缺失值可视化展示
#20180694 
#missingno文档 https://github.com/ResidentMario/missingno
#***务必下载missingno压缩包，解压到项目所在文件夹***

#适用于jupyter notebook,spyder等编辑器
%matplotlib inline
 
# machine learning 机器学习工具包
from statsmodels.distributions.empirical_distribution import ECDF  #ECDF：累积分布函数
from sklearn.metrics import mean_squared_error, r2_score#2
from sklearn.preproc