商品房价格预测java_【KNN实战】KNN房屋价格预测模型

总体思路：

1.拿到数据后，首先查看数据基本情况，筛选需要的列。

2.进行数据预处理：数据去重、缺失值处理、异常值处理【该案例中'price'列需要进行格式清洗与数据类型转换】

3.建模与评估：首先需要对数据进行Z-score标准化，然后进行训练集与测试集的划分，用训练集训练模型，用测试集预测和对模型评估。

知识总结：

【数据格式清洗与类型转换】

模版：

DataFrame['target_col'] = DataFrameDataFrame['target_col'].str.replace('old str', 'new str').astype(data_type)

【异常值的判断标准】

标准分判断(Zscore)

标准分：衡量数据距离均值多少个标准差；公式：(xi - xmean) / xstd

经验法则：约68%的数据位于距离均值1标准差范围内；约95%数据位于距离均值2标准差范围内；几乎全部数据位于距离均值3标准差范围内

模版：

z_score = (DataFrame['target_col'] - DataFrame['target_col'].mean()) / DataFrame['target_col'].std()

drop_index = DataFrame[z_score.abs() > 3].index

DataFrame.drop(drop_index, inplace = True)