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：2024-04-11 08:51:45
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)