©2020-2024 ioDraw All rights reserved
案例目标：根据房子特征，预测某房房价，选出最优模型。
主要步骤：
1. 数据清洗。数据分类，缺失值和异常值处理。
2. 特征分析。统计量分析和相关性分析。
3. 特征工程。特征选择和特征融合。
4. 模型构建。特征标准化，交叉验证，GBoost和Xgboost。
5. 模型评价。
1. 数据清洗
1.1数据分类。除SalePrice，所有数据按照数值类型(numerical)和类别类型（category）分类。
1.2 缺失值处理
整合缺失值信息。
删除缺失值超过15%的特征，根据具体含义，对部分类别型数据缺失值用众数填充。
根据具体含义，对部分数值型和类别型数据缺失值用‘None’填充。
1.3 异常值处理
删除与均值之差的绝对值大于三倍标准差的异常值。
2. 特征分析
2.1 统计量分析
查看‘SalePrice’的统计量，并可视化展示其数值分布情况。
计算偏度峰度
2.2 相关性分析
计算所有数值型特征与房价的相关系数，并筛选出相关性大于0.5的k个特征，计算这k个特征的相关系数，并可视化表示。
对面积特征画多变量图
对角线上是各个变量的直方图，而非对角线上是两个不同变量之间的相关图。
由多变量图，剔除4个特征的异常值。
计算4个面积特征的偏度峰度。
对于非线性特征，用直方图展示不同月份房子销量。
计算各个特征的p值。
3. 特征工程。
3.1 特征选择
整合重要数值型特征数据
3.2 特征融合
构建总面积特征，并画出回归图。
根据回归图，剔除异常值。
继续融合特征，并对所有的类别型特征one-hot编码。
4. 模型构建
4.1 定义验证函数
特征标准化，定义验证函数为5折交叉验证。
4.2 模型构建
构建GBoost模型和Xgboost模型。
4.3 划分样本
5. 模型评价
5.1 定义回归拟合图
5.2 对比评价
GBoost模型的均方根误差RMSE更小，拟合优度R2_test更大，故选择GBoost模型进行房价预测更合适。