机器学习-墨尔本房价预测

数据集描述melb_data.csv

这是Tony Pino创建的数据集的快照。

它是从Domain.com.au每周发布的公开结果中抓取出来的。他清理得很好，现在轮到你让数据分析变得神奇了。该数据集包括地址，房地产类型，郊区，销售方式，房间，价格，房地产经纪人，销售日期以及到CBD的距离

具体变量说明 房间数:房间数

价格:以美元计算的价格

方法:S -物业出售;SP -先前出售的物业;PI—传入的属性;PN -出售前未披露;SN -出售未披露;NB -无出价;VB
-供应商投标;W -在拍卖前撤回;SA -拍卖后出售;SS -拍卖后出售价格未披露。没有报价或最高出价。

类型:卧房;房屋、小屋、别墅、半屋、露台;U -单元，双工;T—联排别墅;Dev site—开发站点;其他住宅。

卖方:房地产中介

日期:售出日期

距离:距离CBD

地区名称:总区(西、西北、北、东北等)

Propertycount:郊区中存在的属性数量。

卧室2:刮掉的卧室数量(来自不同的来源)

浴室:浴室的数量

汽车:停车位的数量

Landsize:土地面积

建筑面积:建筑面积

CouncilArea:该地区的管理委员会

数据解释

结果为原始数据集中的每列显示8个数字。第一个数字是count，显示有多少行具有非缺失值。

缺失值的产生有很多原因。例如，在调查一间卧室的房子时，不会收集第二间卧室的大小。我们将回到丢失数据的话题。

第二个值是均值，也就是平均值。在此之下，std是标准偏差，它衡量数值的数值分布。

要解释min、25%、50%、75%和max值，想象一下从最小值到最大值对每个列进行排序。第一个(最小的)值是最小值。如果你在列表中走四分之一的路，你会发现一个大于25%且小于75%的值。这就是25%的值(发音为“第25百分位”)。第50百分位和第75百分位的定义类似，max是最大的数字。

代码

import pandas as pd
#保存文件路径
melbourne_file_path = 'E:/pythonProject5/input/melb_data.csv'
#读取并保存数据
melbourne_data = pd.read_csv(melbourne_file_path)
#打印墨尔本数据汇总
melbourne_data.describe()

#打印列表的属性
melbourne_data.columns
#删除缺失值
melbourne_data = melbourne_data.dropna(axis=0)
#选择预测对象，这里选择房价
y = melbourne_data.Price

#构建一个只有几个特征的模型

#在括号内提供列名称列表来选择多个特性。该列表中的每个项都应该是字符串(带引号)
melbourne_features = ['Rooms','Bathroom','Landsize','Lattitude','Longtitude']

X = melbourne_data[melbourne_features]
#让我们快速回顾一下将用于使用describe方法和head方法预测房价的数据，该方法显示了最上面的几行。
X.describe()
X.head()

#决策树拟合示例
from sklearn.tree import DecisionTreeRegressor
#定义模型。为random_state添加一个数据保证运行结果相同
melbourne_model = DecisionTreeRegressor(random_state=1)
#拟合模型
melbourne_model.fit(X,y)

# print("Making predictions for the following 5 houses:")
# print(X.head())
# print("The predictions are")
# print(melbourne_model.predict(X.head()))

from sklearn.metrics import mean_absolute_error
predicted_home_price = melbourne_model.predict(X)
mean_absolute_error(y,predicted_home_price)

from sklearn.model_selection import train_test_split
#将数据分为训练和验证两部分，对于特征值和目标值，分割数据是基于一个随机数，random_state参数保证我们每次都得到相同的分割
train_X, val_X, train_y, val_y = train_test_split(X, y, random_state=0)
#定义模型
melbourne_model = DecisionTreeRegressor()
#拟合模型
melbourne_model.fit(train_X, train_y)

#根据验证数据获取价格
val_predicitions = melbourne_model.predict(val_X)
# print(mean_absolute_error(val_y, val_predicitions))


from  sklearn.metrics import mean_absolute_error
from sklearn.tree import DecisionTreeRegressor


def get_mae(max_leaf_nodes, train_X, val_X, train_y, val_y):
    model = DecisionTreeRegressor(max_leaf_nodes=max_leaf_nodes,random_state=0)
    model.fit(train_X, train_y)
    preds_val = model.predict(val_X)
    mae = mean_absolute_error(val_y, preds_val)
    return(mae)

#用不同的max_leaf_nodes值比较MAE
for max_leaf_nodes in [5,50,500,5000]:
    my_mae = get_mae(max_leaf_nodes,train_X,val_X,train_y,val_y)
    # print("Max leaf nodes : %d \t\t Mean Absolute Error: %d" %(max_leaf_nodes, my_mae))




'''随机森林'''
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_absolute_error


forest_model = RandomForestRegressor(random_state=1)
forest_model.fit(train_X, train_y)
melb_preds = forest_model.predict(val_X)
print(mean_absolute_error(val_y,melb_preds))

预测结果

决策树

根据不同叶子数MAE不同

随机森林