R语言做kaggle中California Housing Prices数据集

数据集来源

https://www.kaggle.com/c/house-prices-advanced-regression-techniques
数据集是kaggle里面的House Prices
加载所需要的包

library(tidyverse)
library(reshape2)

读取数据

housing = read.csv('housing.csv')

简单看一下数据

head(housing)

summary(housing)

• 可以看出total_bedrooms中有缺失值需要处理
• 再有就是ocean_proximity需要处理成哑变量
• total_bedrooms 和 total_rooms需要处理为mean_number_bedrooms and mean_number_rooms

看一下列名字

colnames(housing)

画图看一下各个变量的分布

ggplot(data = melt(housing), mapping = aes(x = value)) + 
    geom