我正在开发一个 Python 脚本，旨在使用 回归 模型（特别是我使用多项式回归）来预测房价。我用于训练我的模型的功能是：
zone 是一个名义属性，有大约 200 个值。这是一个重要的属性，因为房子的价格因区域而异，有一个区域更贵。 我的问题是，我应该只使用纬度和经度，还是可以使用二进制转换的区域来获得良好的回归结果？
【问题讨论】：
标签： python machine-learning regression
在我看来，您可以从纬度/经度数据生成三种不同类型的特征：类别、聚类和距离。
类别：将每条记录转换为一个或多个类别。类别可以是国家、城市、兴趣点 (POI) 或不同的地理空间层。通常，这称为反向地理编码 (RGC) 或 POI 提取
开放街道地图。 （免费，开源） 对于 RGC：Nominatim API，请参阅反向地理编码 对于 POI 和附加层：Overpass API 商业 API Google 地方信息 API Foursquare API
集群：在某些情况下，您可能希望将地图上的点与其他点相关联。因此，您首先对点进行聚类，然后将聚类 ID 分配为特征集中的分类特征。一些方法： DBSCAN，一种基于邻近度/密度对点进行聚类的聚类方法，对异常值具有鲁棒性。
当您的集群彼此相对靠近但您希望将集群很好地分离，或者当您希望将软分配创建到集群中时，GMM 非常有用。 Hierarchical Clustering ()，它创建集群的树状图，并允许您调整决定集群数量的阈值。 时空方法：在某些情况下，您还希望将时域合并到模型中（例如，当您想检测用户在某个地方的停留/访问但忽略他们在很短的时间内访问的地方时） .
您可以提取的第三种特征类型是距离：从一个点到下一个点的距离，到一个固定点（例如，原点）的距离，这一切都取决于您的上下文。首选距离公式是Haversine distance ()，它在地球是球体而不是平面的情况下计算距离。
【讨论】：