机器学习入门笔记(1):墨尔本房价预测-决策树模型使用

注：本文为Machine Learning 的个人学习笔记， 学习站点：Kaggle.com

搭建一个最简单的机器学习模型仅需3步：

1. 收集数据，数据清洗 ；
2. 特征工程；
3. 模型选择、整合，参数调优；

收集数据

墨尔本市房产信息数据都存放在这个csv文件里。

读取数据

import pandas as pd
melbourne_file_path = 'melb_data1.csv'  

将csv文件读取到_path变量中方便之后准确调用。

melb_data = pd.read_csv(melbourne_file_path)
melbourne_data.describe()

读取文件之后，可以概览一下数据。

melbourne_data.columns

.columns 会输出dataframe中所有列的名字：
Index([‘Suburb’, ‘Address’, ‘Rooms’, ‘Type’, ‘Price’, ‘Method’, ‘SellerG’, ‘Date’, ‘Distance’, ‘Postcode’, ‘Bedroom2’, ‘Bathroom’, ‘Car’,‘Landsize’, ‘BuildingArea’, ‘YearBuilt’, ‘CouncilArea’, ‘Lattitude’, ‘Longtitude’, ‘Regionname’, ‘Propertycount’], dtype=