本文是Udacity机器学习进阶项目，介绍如何使用Python进行波士顿房价预测。通过分析数据，应用决策树模型进行训练和测试，探讨特征与房价的关系，以及模型调优的方法。
机器学习入门项目分享 - 波士顿房价预测
该分享源于Udacity机器学习进阶中的一个mini作业项目，用于入门非常合适，刨除了繁琐的部分，保留了最关键、基本的步骤，能够对机器学习基本流程有一个最清晰的认识；
项目描述
利用马萨诸塞州波士顿郊区的房屋信息数据训练和测试一个模型，并对模型的性能和预测能力进行测试；
项目分析
数据集字段解释：
RM: 住宅平均房间数量；
LSTAT: 区域中被认为是低收入阶层的比率；
PTRATIO: 镇上学生与教师数量比例；
MEDV: 房屋的中值价格(目标特征，即我们要预测的值)；
其实现在回过头来看，前三个特征应该都是挖掘后的组合特征，比如RM，通常在原始数据中会分为多个特征：一楼房间、二楼房间、厨房、卧室个数、地下室房间等等，这里应该是为了教学简单化了；
MEDV为我们要预测的值，属于回归问题，另外数据集不大(不到500个数据点)，小数据集上的回归问题，现在的我初步考虑会用SVM，稍后让我们看看当时的选择；
Show Time
Step 1 导入数据
注意点：
如果数据在多个csv中(比如很多销售项目中，销售数据和店铺数据是分开两个csv的，类似数据库的两张表)，这里一般要连接起来；
训练数据和测试数据连接起来，这是为了后续的数据处理的一致，否则训练模型时会有问题(比如用训练数据训练的模型，预测测试数据时报错维度不一致)&#
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
