基于Python的房价预测项目【100010964】

# 基于Python的房价预测项目 ## 波士顿房价预测 ## 数据集描述 本作品所用数据是一份源于美国某经济学杂志上，分析研究波士顿房价( Boston House Price)的数据集。数据集中的每一行数据都是对波士顿周边或城镇房价的描述： CRIM: 城镇人均犯罪率 ZN: 住宅用地所占比例 INDUS: 城镇中非住宅用地所占比例 CHAS: CHAS 虚拟变量,用于回归分析 NOX: 环保指数 RM: 每栋住宅的房间数 AGE: 1940 年以前建成的自住单位的比例 DIS: 距离 5 个波士顿的就业中心的加权距离。 RAD: 距离高速公路的便利指数 TAX: 每一万美元的不动产税率 PRTATIO: 城镇中的教师学生比例 B: 城镇中的黑人比例 LSTAT: 地区中有多少房东属于低收入人群 MEDV: 自住房屋房价中位数（也就是均价） · 总之，数据集包括 506 个样本，每个样本包括 12 个特征变量和该地区的平均房价。 ## 库文件描述 所用到的库有 tensorflow,matplotlib,numpy,pandas,sklearn。 TensorFlow 是一个基于（dataflow programming）的符号数学系统，其前身是的神经网络算法库 DistBelief。 Matplotlib 主要用于绘图。 Numpy 主要用于数组处理。 Pandas 是一款开源的、基于 BSD 协议的 Python 库，能够提供高性能、易用的数据结构和数据分析工具。他能够从 CSV 文件、文本文件、MS Excel、SQL 数据库，甚至是用于科学用途的 HDF5 格式中读取文件。对 CSV 文件加载能够自动识别列头，支持列的直接寻址。数据结构自动转换为 Numpy 的多维数组。 Sklearn 是机器学习中常用的第三方模块，对常用的机器学习方法进行了封装，包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法。他是简单高效的数据挖掘和数据分析工具，让每个人能够在复杂环境中重复使用，建立 NumPy、Scipy、MatPlotLib 之上。 ## 逻辑结构描述 由于房价和多个特征变量相关，所以使用多元线性回归建模。其公式如下：  房价预测结果由不同特征的输入值和对应的权重相乘求和，加上偏置项计算求解。 具体步骤： 读取数据 原数据如下：  读取出来的数据描述如下：   数据预处理：归一化，打乱数据顺序 考虑到不同特征值取值范围大小不同，会有影响，所以要对数据进行归一化。记特征值为 x,最小特征值为 ，最大特征值为  ，归一化后的结果为  ，则归一化公式为：  - 打乱数据顺序是为了防止过拟合。 - 定义模型：包括定义输入输出，模型结构与命名空间等。 - 模型训练：这里设置训练轮次为 50，学习率为 0.01，定义均方差损失函数，选择梯度下降优化器。 部分训练过程中的训练数据如下：  模型应用：可视化损失函数，对房价进行预测。 训练过程中损失函数图像如下所示：  随机测试一个数据，其结果如下：  ## 主要问题及解决过程 在第一次输出结果时，出现了如下的结果：  网上查阅资料后才知道，这是因为不同的特征值之间大小差别很大。所以需要进行归一化处理，处理后就解决了这个问题。 ## 总结 通过这次作业，我完整的完成了一个小的房价预测模型的构建，主要用到了多元线性回归模型，知道了训练结果出现异常的一个原因。但是单纯的线性模型进行预测，在精度要求较高的情况下，就有误差较大的缺点了，所以可以尝试加上非线性模型进行改进。