根据学习数据集建立房屋价格对数值logprice的预测模型，包括线性模型、Lasso模型、神经网络模型、决策树模型

根据学习数据集建立房屋价格对数值logprice的预测模型，包括线性模型、Lasso模型、神经网络模型、决策树模型（交叉验证修剪）、决策树模型（验证数据集修剪）、袋装决策树模型、梯度提升决策树模型、随机森林模型（默认参数）、随机森林模型（选择参数）和贝叶斯可加回归树模型。再将这些模型应用于测试数据集，获取房屋价格对数值的预测值，转换为房屋价格的预测值。 (1)设立并初始化记录所有模型的均方根误差的数据框rmse.allmodels。 (2)将数据框的行名设为各个模型的名字。 4.建立模型 (1)线性模型 ①　根据学习数据集建立线性模型。 ②　将将线性模型应用于测试数据集，获取房屋价格对数值的预测值。 ③　计算线性模型预测测试数据集房屋价格的均方根误差。 ④　将线性模型存储在本地目录下。 (2)Lasso模型 ①　使用交叉验证选择调节参数lambda的最佳值。 ②　将Lasso模型应用于测试数据集，获取房屋价格对数值的预测值，转换为房屋价格的预测值。 ③　计算Lasso模型预测测试数据集房屋价格的均方根误差。 ④　将Lasso模型存储在本地目录下。 (3)神经网络模型 ①　复制一份学习数