多元线性回归模型预测房价

一、多元线性回归模型预测房价

1.基础包导入

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

df = pd.read_csv('house_prices.csv')
df.info(); df.head()

2.变量探索

# 异常值处理
# ================ 异常值检验函数：iqr & z分数 两种方法 =========================
def outlier_test(data, column, method=None, z=2):
	""" 以某列为依据，使用 上下截断点法 检测异常值(索引) """
	"""
	full_data: 完整数据
	column: full_data 中的指定行，格式 'x' 带引号
	return 可选; outlier: 异常值数据框
	upper: 上截断点; lower: 下截断点
	method：检验异常值的方法（可选, 默认的 None 为上下截断点法），
	选 Z 方法时，Z 默认为 2
	"""
	# ================== 上下截断点法检验异常值 ==============================
	if method == None:
		print(f'以 {column} 列为依据，使用 上下截断点法(iqr) 检测异常值...')
		print('=' * 70)
		# 四分位点；这里调用函数会存在异常
		column_iqr = np.quantile(data[column], 0.75) - np.quantile(data[column], 0.25)
		# 1，3 分位数
		(q1, q3) = np.quantile(data[column], 0.25), np.quantile(data[column], 0.75)
		# 计算上下截断点
		upper, lower = (q3 + 1.5 * column_iqr), (q1 - 1.5 * column_iqr)
		# 检测异常值
		outlier = data[(data[column] <= lower) | (data[column] >= upper)]
		print(f'第一分位数: {q1}, 第三分位数：{q3}, 四分位极差：{column_iqr}')
		print(f"上截断点：{upper}, 下截断点：{lower}")
		return outlier, upper, lower
	# ===================== Z 分数检验异常值 ==========================
	if method == 'z':
		""" 以某列为依据，传入数据与希望分段的 z 分数点，返回异常值索引与所在数据框 """
		"""
		params
		data: 完整数据
		column: 指定的检测列
		z: Z分位数, 默认为2，根据 z分数-正态曲线表，可知取左右两端的 2%，
		根据您 z 分数的正负设置。也可以任意更改，知道任意顶端百分比的数据集合
		"""
		print(f'以 {column} 列为依据，使用 Z 分数法，z 分位数取 {z} 来检测异常值...')
		print('=' * 70)
		# 计算两个 Z 分数的数值点
		mean, std = np.mean(data[column]), np.std(data[column])
		upper, lower = (mean + z * std), (mean - z * std)
		print(f"取 {z} 个 Z分数：大于 {upper} 或小于 {lower} 的即可被视为异常值。")
		print('=' * 70)
		# 检测异常值
		outlier = data[(data[column] <= lower) | (data[column] >= upper)]
		return outlier, upper, lower

outlier, upper, lower = outlier_test(data=df, column='price', method='z')
outlier.info(); outlier.sample(5)

# 这里简单的丢弃即可
df.drop(index=outl