基于 Python 实现 xgboost 回归模型(XGBRegressor)项目实战
1.项目背景
随着大数据时代的到来,具备大数据思想至关重要,人工智能技术在各行各
业的应用已是随处可见。在生产制造业,人工智能技术可以极大地提高生产效率,
节省劳动成本,提升产品质量;在服务业,可以优化行业现有产品和服务,提升
其质量和劳动生产率;金融、医疗等领域,也因人工智能技术的加入而愈发繁荣,
人们的生活也因为其更加便利。
房屋作为每个公民的必需品,在生活中的地位非常重要,买房已成为人们谈
论较多的话题,如何在合适的时间买房卖房也成为了人们关注焦点,因此在这样
的背景下,产生了本次的房价预测相关问题。目前在房价预测领域主要体现在两
个问题上:一是选择合适的数学模型来预测房价走向,用以评估房价的变化;二
是寻找引起房价变化的原因,国家可借此来帮助市场协调房价变化,公民可以根
据时事来判断入手时机。本项目主要分析第一个问题,即选择合适的数学模型来
帮助预测房价。
本项目将从某地区的房价数据为着手点,以该地区的房屋的相关属性来作为
特征,筛选重要信息,并且将一些信息做适当处理,最终用以预测该地区的其他
房屋价格。
2.数据获取
本次建模数据来源于网络(本项目撰写人整理而成),数据项统计如下:
字段名
释义
备注
GrLivArea
生活面积
TotRmsAbvGrd
总房间数
FullBath
浴室数量
TotalBsmtSF
地下室总面积
GarageCars
车库
YearBuilt
建造年份
OverallQual
总体评价
SalePrice
房屋价格
标签