使用贝叶斯模型对房价进行预测。

实验试题 房屋数据集预处理

 

一、实验概述：

【实验要求】

1. 保存程序，并自行存档；
2. 最终的程序都必须经过测试，验证是正确的；
3. 认真记录实验过程及结果，回答实验考试报告中的问题。

 

【实施环境】（使用的材料、设备、软件）

Python开发环境

二、实验考试内容

题目 房屋数据集预处理

【实验内容】

1. 请下载housing.csv文件。这是反应若干个小镇的房价的数据集，对数据集进行总体性的分析，比如行列数，每列的最大最小，中位数等，其代码和结果贴图所示：

答：

1.读入csc文件：

2.统计每一列的行数：

 

1. 统计longtitude这一列的行数：

1. 因为ocean_proximity这一列不是数值类型，因此要把它去掉，再统计其他各列的最大值：

再统计最大值：

1. 统计每一列的最小值：

1. 统计每一列的中位数：

1. 汇总描述：

 

 

(2)该数据集的每列的具体含义是：

Longitude:经度；

Latitude：维度；

housing_median_age：该小镇的房屋年龄中位数；

total_rooms：该小镇的房屋房间数量；

total_bedrooms：该小镇的卧室房间数量；

population：该小镇的人口（千人，K）。

households：该小镇的家庭数；

median_income：收入的中位数；

median_house_value：房屋价值的中位数；

ocean_proximity：是否临近海（NEAR BAY：临海湾；INLAND：不临海；NEAR OCEAN：近海；<1H OCEAN：距海行程小于1小时）

 

1. 对数据集进行适当的数据分析，并进行预处理；给出处理的过程；

答：

1. 使用matplotlib查看各个属性的直方图：

1. 查看各个列的与median_house_value的相关性

由此可以看出median_income与median_house_value的相关性最高，为0.688075，用散点图将这个属性的相关性可视化。

由图看出相关性很强。再看人口与房价的相关性，相关性比较高：

 

由图可以看出，median_income的与median_house_value的相关性比较高，因此以median_income作为特征值，以median_house_value作为标签，对房屋价值进行预测。

1. 分别采用线性回归模型，或者贝叶斯模型对房屋的价值进行预测（即对median_house_value列进行预测），并采用 matplotlib对预测的房屋的价值和原始价值曲线进行对比。

答：使用贝叶斯模型对房屋进行测试。

1. 导入贝叶斯中的高斯分布型用来预测。

1. 将收入的中值作为特征值，房价的中值作为预测标签，因为只采用了一维的数据，所以需要将其重现reshape成二维结构。

1. 将数据集划分为训练集和测试集，按照0.4的比例划分。并且查看各个数据集划分后的维度。

1. 开始建模，然后使用训练集对模型进行训练。

1. 再对数据进行预测，并且用测试集模型进行测试，对测试结果计算精确率：

总结：

相关系数很高，但是预测的相似度很低，有很多原因，有可能是这个模型不适合预测房价，也有可能本人的实验选择的维度不对。