zillow房价预测比赛_美国King County房价预测训练赛

1.DC的入门比赛，数据介绍：
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，跟训练数据的不同是测试数据并不包括房屋销售价格，学员需要通过由训练数据所建立的模型以及所给的测试数据，得出测试数据相应的房屋销售价格预测值

2.数据分析

数据读入，查看数据相关信息,总共有100个字段，无缺失值，数据比较干净。

画图探索销售价格和其他字段的关系，可以知道评分和销售价格有明显的相关关系。另外，房屋面积、浴室数目等也与销售价格有正相关关系，显然一般情况下面积越大房价也越高。停车面积、楼层、经纬度、地下室面积、销售日期看不出明显的关系。

接下来看下销售价格的分布情况，明显的右偏状态，这里对数处理正态化。

接下来画一下热力图，看下各个特征的相关关系，并打印一下排序，可以看到日期，维度和销售价格关系很小，但是我试了去除这两个字段建立模型，表现并不好，所以下面模型没有去除。

建立模型

通过mse的值评价模型，随即森林的回归模型效果比较好

把测试数据代入模型得出预测结果保存csv文件，上传结果，排名在100多，不是很理想，继续研究怎么优化模型。