[人工智能]机器学习初级项目--房价预测案例

项目背景：

运用回归模型进行房价预测。

        影响房价的因素有很多，在本题的数据集中有79个变量几乎描述了爱荷华州艾姆斯（Ames，lowa）住宅的方方面面，要求预测最终的房价。

数据介绍：

        我们要使用BartdeCock于2011年收集 [DeCock,2011]， 涵盖了 2006?2010 年期间亚利桑那州埃姆斯市的房价。

技术栈：

       特征工程（Creative feature engineering）
       回归模型（Advanced regression techniques like random forest and gradient boosting）

目标：

        预测出每间房屋的价格，对于测试集中的每一个ld，给出变量SalePrice相应的值。

        算法通过计算平均预测误差来衡量回归模型的优劣。平均预测误差越小，说明回归模型越好。

目录

Step 1: 检视源数据集

创作打卡挑战赛

赢取流量/现金/CSDN周边激励大奖

了解本专栏 订阅专栏 解锁全文 超级会员免费看