【文件属性】:
文件名称:住房案例研究多元线性回归
文件大小:314KB
文件格式:ZIP
更新时间:2021-02-11 00:57:46
JupyterNotebook
住房案例研究-使用MLR
您将首先阅读并可视化数据集,然后准备数据以构建线性模型。
这将包括处理分类变量,添加虚拟变量和缩放。
然后,您将使用自下而上的方法开始构建模型,即,将从一个变量开始并继续添加更多变量。
一旦添加了所有变量,您将像往常一样执行手动特征消除,并继续进行残差分析和预测。
为了进一步分析,您可以使用RFE(在另一个项目中)解决相同的问题。
问题陈述:
考虑到一家房地产公司拥有德里的房地产价格数据。 该公司希望根据面积,卧室,停车场等重要因素来优化物业的售价。
本质上,公司希望:
确定影响房价的变量,例如面积,房间数量,浴室等。
创建一个线性模型,将房价与变量定量关联,例如房间数量,面积,浴室数量等。
要知道模型的准确性,即这些变量预测房屋价格的能力如何
脚步:
阅读,理解和可视化数据
准备数据以进行建模(训练测试分割,重新缩放等)
训练模型
残留分
【文件预览】:
Housing-Case-Study-Multiple-Linear-Regression-main
----Housing.csv(29KB)
----MLR-Housing Case Study.ipynb(511KB)
----README.md(1KB)