各位好，我是乾頤堂大堂子。領取完整實戰指南可以私信我，關鍵詞：實戰指南

導入相關python庫

2.數據處理

下載的是兩個數據文件，一個是真實數據，一個是測試數據，打開kc_train.csv，能夠看到第二列是銷售價格，而我們要預測的就是銷售價格，所以在訓練過程中是不需要銷售價格的，把第二列刪除掉，新建一個csv文件存放銷售價格這一列，作為后面的結果對比。

2.1數據說明

?數據主要包括2014年5月至2015年5月美國King County的房屋銷售價格以及房屋的基本信息。 數 據分為訓練數據和測試數據， 分別保存在kc_train.csv和kc_test.csv兩個文件中。 其中訓練數據主要包括10000條記錄， 14個字段， 主要字段說明如下：

第一列 “銷售日期” ： 2014年5月到2015年5月房屋出售時的日期

第二列 “銷售價格” ： 房屋交易價格， 單位為美元， 是目標預測值

第三列 “臥室數” ： 房屋中的臥室數目

第四列 “浴室數” ： 房屋中的浴室數目

第五列 “房屋面積” ： 房屋里的生活面積

第六列 “停車面積” ： 停車坪的面積

第七列 “樓層數” ： 房屋的樓層數

第八列 “房屋評分” ： King County房屋評分系統對房屋的總體評分

第九列 “建筑面積” ： 除了地下室之外的房屋建筑面積

第十列 “地下室面積” ： 地下室的面積

第十一列“建筑年份” ： 房屋建成的年份

第十二列“修復年份” ： 房屋上次修復的年份

第十三列"緯度"： 房屋所在緯度

第十四列“經度” ： 房屋所在經度

測試數據主要包括3000條記錄， 13個字段， 跟訓練數據的不同是測試數據并不包括房屋銷售價格， 學員需要通過由訓練數據所建立的模型以及所給的測試數據，得出測試數據相應的房屋銷售價格預測值。

3.特征預處理常用方法：歸一化、標準

把數據進行無量綱化，使不同規格的數據轉換到同一規格。

(選做)3.1特征縮放/數據歸一化MinMaxScaler()

3.1.1將數據放縮到給定的范圍

fit_transform(self, X[,y])計算并將數據放縮到給定的范圍:

fit()：計算給定數據集X的最大值/最小值用于后面的放縮；

transform()：將數據集X放縮到給定的范圍內。

fit_transform(),包含上述兩個功能。

3.1.2恢復給定范圍的數據

inverse_transfom(self, X)

3.1.3歸一化解釋

3.1.4為什么訓練集用fit_transform而測試集用transform

訓練集已經通過fit_transform求出了一些固有屬性，測試集可沿用上述屬性直接標準化，不必重新再求

3.1.5歸一化使用局限

因為歸一化是通過最大值、最小值的把數據映射到一個新的區間里，所以如果數據中有異常值（最大或者最小值是異常的、離譜的），這樣機會影響整個數據的映射分布。所以這種方法魯棒性較差，只適合傳統精確小數據場景。

有沒有更加通用的一種數據規范化方式呢？下面是標準化StandardScaler()。

(選做)3.2數據標準化StandardScaler()

數據標準化StandardScaler()是把數據變換到均值為0，標準差為1的范圍內。標準化StandardScaler()不易受異常值的影響。在已有樣本足夠多的情況下比較穩定，適合現代嘈雜大數據場景。

4.模型訓練

使用sklearn庫的線性回歸函數進行調用訓練。梯度下降法獲得誤差最小值。

最后使用MSE和R2來評價模型的好壞程度并畫圖進行比較。

4.1（選做）線性回歸

4.2(選做）隨機梯度下降SGD

4.3（選做）嶺回歸Ridge

5.模型評估（注意替換參數）

6.繪制圖像

7.輸出結果

更多網工提升干貨，請關注公眾號：乾頤堂網絡實驗室

總結

以上是生活随笔為你收集整理的华为LAB实验室3-机器学习实验：（线性回归）美国King County房价预测训练赛的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。