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：2024-03-02 18:44:26
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)