没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
包含文件:Python代码+设计报告 本文主要分析影响房价的因素,数据来源为链家网,机器学习模型的使用中,采用了三种线性模型,一种非线性模型,最后得出的结论是房子的大小,房子的位置,房子的建造年份以及房子的高度对房价影响较大。 目录 房价影响因素分析 1 一、问题描述 1 二、数据收集及处理 2 (1)数据源选择 2 安居客房价信息 2 搜房网房价信息 2 链家网房价信息 2 (2)数据收集 2 (3)数据处理 2 三、采用的模型及原因 3 (1)线性回归模型 3 (2)神经网络 3 (3)支持向量机 3 四、使用的python机器学习库 3 五、建模过程 4 (1)数据特征分析 4 (2)调参 4 (3)结果分析及模型对比 4 六、非线性模型建模 5 (1)非线性决策树 5 (2)结论 5 七、房价查询界面 5 八、改进措施 6 (1)收集更多数据 6 数据集在20000条以下时的训练学习曲线 7 数据集在40000条以下时的训练学习曲线 7 (2)寻找更多特征 8 附录 8 数据采集 9 数据训练 13 一、问题描述 现在房价居高不下,特别是上海等一线城市,房价更是高的离谱,那么在决定一个房子的价格中,哪些因素占了主要的地位,如何让想买房的人快速获取大概的房价信息。那么本文介绍的就是如何用机器学习去训练上海房价信息并生成模型然后进行分析的过程。 详细介绍参考博客:https://blog.csdn.net/sheziqiong/article/details/122286264
资源推荐
资源详情
资源评论
收起资源包目录
基于Python的房价影响因素分析.zip (25个子文件)
基于Python的房价影响因素分析 设计报告.docx 514KB
截图
10-04af71313e2f0ff64357f0f12fb0dcb7.png 71KB
7-7caf95c89da25e600d94ffdf4f7a8f1e.png 54KB
VMWW0K(GAN9B6IV1KP%P3RG.png 177KB
1-88c9197f4980cc2786519b4c4477a81f.png 74KB
7`NV2][HJ8[X0NL4~V9$UZ9.png 159KB
3-78ae986d22db55ed746e1a70fde5ad69.png 77KB
13-fe7dae08334eea5b979249eefad8a394.png 38KB
PPK6`UERP)3U}(FZ7K90ER1.png 30KB
12-99d8c6ac138e0112e5856e0fad84d2d5.png 19KB
11-62c8745ca13e04dff5576d4f3cc7ba94.png 10KB
6-937ec905baf69d5d150715a4cbde17d8.png 3KB
5-27e959d97b020057a4f456403d538e10.png 1KB
8-2b1fb37dfe331606692cbd45b3a7673e.png 19KB
4-19663b156f5f4b6e50037623da587896.png 1KB
9-fde60174b5deacccc77f5f4da980cf87.png 19KB
KBII20DRAL}VB`EA[EN6@O0.png 259KB
2-65c0d41172060528352cb37444ec34eb.png 76KB
14-e61a54ed14792ebed41bb51a27697545.png 35KB
MPG~`LB04ARD[EO{QIT`H1O.png 32KB
基于Python的房价影响因素分析 Python代码
load_data_and_train.py 3KB
test_gaode_api.py 496B
test_sklearn_1.py 1KB
test_sklearn_2.py 696B
get_data_to_mongo.py 6KB
共 25 条
- 1
shejizuopin
- 粉丝: 9594
- 资源: 1288
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
- 3
前往页