kaggle房价预测特征意思_【实践系列】Kaggle入门：房价预测

IDE：Jupyter Notebook

编程环境：Python3.6+Pytorch1.5

本文目录： 一.Kaggle介绍 二.获取和读取数据集 三.预处理数据 四.训练模型 五.K折交叉验证 六.模型选择 七.预测并在Kaggle上提交结果 八.小结

---

一.Kaggle介绍

Kaggle是⼀个著名的供机器学习爱好者交流的平台。下图展示了Kaggle⽹站的⾸⻚。

我们可以在房价预测⽐赛的⽹⻚上了解⽐赛信息和参赛者成绩，也可以下载数据集并提交⾃⼰的预测结果。该⽐赛的⽹⻚地址是 

https://www.kaggle.com/c/house-prices-advanced-regression-techniques

基于竞赛方所提供的爱荷华州埃姆斯的住宅数据信息，预测每间房屋的销售价格。

很明显这是一个回归问题！

二.获取和读取数据集

⽐赛数据分为训练数据集和测试数据集。两个数据集都包括每栋房⼦的特征，如街道类型、建造年份、房顶类型、地下室状况等特征值。这些特征值有连续的数字、离散的标签甚⾄是缺失值“na”。只有训练数据集包括了每栋房⼦的价格，也就是标签。我们可以访问⽐赛⽹⻚，点击“Data”标签，并下载这些数据集。

1.安装并导入必要的依赖库

%matplotlib inline
import torch
import torch.nn as nn
import numpy as np
import pandas as pd
import sys

print(torch.__version__)
torch.set_default_tensor_type(torch.FloatTensor)

2.假设解压后的数据位于 data/kaggle_house/ ⽬录，它包括两个csv⽂件。下⾯使⽤ pandas读取这两个⽂件。

train_data = pd.read_csv('data/kaggle_house/train.csv') # 训练集包括1460个样本，80个特征和1个标签
test_data = pd.read_csv('data/kaggle_house/test.csv') # 测试集包括1459个样本和80个特征

3.查看文件内容

# 查看训练集前4个样本
train_data.iloc[0:4]

输出：

4.将所有的训练