波士顿房价预测（三）

最新推荐文章于 2025-02-12 13:15:09 发布

追本溯源test

最新推荐文章于 2025-02-12 13:15:09 发布

阅读量339

点赞数

分类专栏：机器学习文章标签： python 机器学习 kaggle

本文链接：https://blog.csdn.net/weixin_44187150/article/details/113730393

版权

在前两部分基础上，该博客继续波士顿房价预测，涉及特征选择。通过异常值处理，计算特征与价格的皮尔逊相关系数，选择相关性强的特征，并建立机器学习模型进行预测，最终得出在线测试的MSE。

摘要由CSDN通过智能技术生成

波士顿房价预测（三）

在（二）的基础上，进行特征选择：
导库：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

读取文件：

train_data=pd.read_csv('train_dataset.csv')
test_data=pd.read_csv('test_dataset.csv')
train_price=train_data['PRICE']
del train_data['PRICE']
test_id=test_data['ID']
del test_data['ID']
L=[]
for x in test_id:
    s='id_'+str(x)
    L.append(s)

异常值处理核心代码：

def box_plot_outliers(data_ser, box_scale):
    """
    利用箱线图去除异常值
    :param data_ser: 接收 pandas.Series 数据格式
    :param box_scale: 箱线图尺度，默认用 box_plot（scale=3）进行清洗
    :return:
    """
    new_up=data_ser.quantile(0.75)
    new_low=data_ser.quantile(0.25)
    print(new_up,new_low)
    iqr &#

最低0.47元/天解锁文章