modeling_housing_prices:我在训练营中完成的第二个项目 源码

项目2-艾姆斯住房数据和Kaggle挑战 利用房屋的特征,我将开发一个模型来预测爱荷华州埃姆斯的房屋价格。 知道是在模型中添加还是排除某项功能可以帮助房主确定该功能是否会增加其财产价值以及是否要对其进行投资。 该模型还可以帮助潜在的购房者估算具有其所需所有功能的房屋价格,从而可以确定房屋是否在预算之内。 型号类型: 我测试了三种不同的模型:线性,套索和岭回归。根据R ^ 2和均方根误差(RMSE)分数评估成功与否。创建了一个虚拟模型来评估基线,然后将我的模型与该模型进行了比较。 特征: 在测试模型时,我包括了所有外壳功能。然后,我只保留与售价密切相关的功能。这将功能数量从397减少到81。 发现: 我的虚拟模型的基准测试R ^ 2为-0.0007,RMSE为40美分。 我发现线性回归模型表现最差,负数的测试R ^ 2得分。 RMSE表示我的价格下降了$ 108096602256。 我的套索