【文件属性】:
文件名称:housing-analysis:熨斗第二期住房数据项目
文件大小:3.4MB
文件格式:ZIP
更新时间:2021-03-22 15:05:05
JupyterNotebook
房屋分析
概述
该项目分析了2014年和2015年在金县出售的房屋的住房数据,并创建了一个基于各种变量预测销售价格的模型。
业务问题
一家房地产公司对影响房屋销售的当前趋势感兴趣,特别是在中产阶级房屋中。 该公司想知道如何最有效地为他们的房屋定价。
数据理解
本节重点探讨2014年和2015年King County House Sales的数据。该数据包括多个变量,包括已售数据,价格,卧室,浴室,居住面积,地段,地下室,地上面积以及作为邻近区域,等级,条件,装修年份,景观,位置和海滨的平均平方英尺。
数据是广泛的,并具有各种可能的价格预测指标。
资料准备
我将最贵的10%房屋排在前列,以便关注中产阶级和下层房屋。 我将转换掉不必要的变量,用该模式替换空值,并对分类值(邮政编码和滨水区)使用一键编码。
我检查线性度,将对数函数应用于某些数据,然后缩放数据,以使它们的大小相同。
模型
我创
【文件预览】:
housing-analysis-main
----Housing Analysis Presentation.pdf(1.52MB)
----images()
--------bathrooms.JPG(59KB)
--------sqft_living.JPG(65KB)
--------Grade.JPG(52KB)
--------Normality.JPG(53KB)
--------corr.JPG(112KB)
----README.md(4KB)
----data()
--------kc_house_data.csv(2.34MB)
--------column_names.md(1KB)
----housing-analysis.ipynb(1.72MB)