文件名称：module_2_project：金县数据的线性回归分析以预测房价
文件大小：18.59MB
文件格式：ZIP
更新时间：2024-03-08 23:31:12
JupyterNotebook
第2单元最终项目 目标 该项目的目标是创建一个多元线性回归模型，以准确预测华盛顿州金县的房价。 笔记本设置 对于这个项目，我使用了常规的python库，地理映射库以及统计或回归库。 通用python库 导入json 导入matplotlib.pyplot作为plt 将numpy导入为np 将熊猫作为pd导入 进口泡菜 汇入 地理地图库 从branca.colormap导入线性 导入geopandas作为GPPD 从ipyleaflet导入地图，GeoData，底图，LayersControl，Chropleth，热图，FullScreenControl 从ipyleaflet导入WidgetControl，GeoJSON 从ipywidgets导入文本，HTML 从shapely.geometry导入点，多边形 统计和回归库 从scipy.stats导入zscore 从sk
【文件预览】：
module_2_project-master
----.ipynb_checkpoints()
--------blog_post_visuals-checkpoint.ipynb(120KB)
--------student-checkpoint.ipynb(830KB)
--------final_project-checkpoint.ipynb(97KB)
----kc_house_data.csv(2.34MB)
----blog_visuals()
--------full.png(31KB)
--------num_resids.png(26KB)
--------y_hat_resids.png(22KB)
--------denom_resids.png(28KB)
--------r_squared_form.png(21KB)
--------y_hat_bar_points.png(22KB)
--------points.png(8KB)
----regression_model.pickle(31.29MB)
----img()
--------geobins_map.png(320KB)
--------zipcodes_map.png(503KB)
----presentation.pdf(388KB)
----blog_post_visuals.ipynb(120KB)
----README.md(3KB)
----final_project.ipynb(999KB)
----column_names.md(1KB)
----Zipcodes_for_King_County_and_Surrounding_Area__zipcode_area()
--------Zipcodes_for_King_County_and_Surrounding_Area__zipcode_area.prj(143B)
--------Zipcodes_for_King_County_and_Surrounding_Area__zipcode_area.shx(2KB)
--------Zipcodes_for_King_County_and_Surrounding_Area__zipcode_area.cpg(5B)
--------Zipcodes_for_King_County_and_Surrounding_Area__zipcode_area.dbf(15KB)
--------Zipcodes_for_King_County_and_Surrounding_Area__zipcode_area.shp(1.79MB)
--------Zipcodes_for_King_County_and_Surrounding_Area__zipcode_area.xml(12KB)