房价模型构建实战（一）——赛题分析

最新推荐文章于 2025-11-20 11:52:15 发布

原创

最新推荐文章于 2025-11-20 11:52:15 发布 · 650 阅读

收录于

本文探讨了在房价预测模型构建中对数据的深入理解，包括数据集导入、基本信息查看、缺失值分析、特征分布等关键步骤。通过分析，识别了如‘pv’、‘uv’、‘tradeMoney’等重要变量，并发现了如‘rentType’、‘houseType’等具有潜在影响力的特征。这些预处理工作为后续的模型训练和特征工程奠定了基础。

认识数据

在构建模型前或者在数据分析前需要对数据有个清楚的认识，无论是对于数据竞赛还是企业项目，对于数据的认识往往是第一位的，这直接影响到最终的结果。本文是利用一个竞赛向大家进行介绍的，故根据比赛背景介绍如何对数据进行认识。了解比赛的背景、知道你要构建的模型种类。比赛要求参赛选手根据给定的数据集，建立模型，预测房屋租金。数据集中的数据类别包括租赁房源、小区、二手房、配套、新房、土地、人口、客户、真实租金等。这是典型的回归预测。

1、数据集导入

#导入warnings包，利用过滤器来实现忽略警告语句。
import warnings
warnings.filterwarnings('ignore')

# GBDT
from sklearn.ensemble import GradientBoostingRegressor
# XGBoost
import xgboost as xgb
# LightGBM
import lightgbm as lgb

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

#载入数据
data_train = pd.read_csv('./dataset/train_data.csv')
data_train['Type'] = 'Train'
data_test = pd.read_csv('./dataset/test_a.csv')
data_test['Type'] = 'Test'
data_all = pd.concat([data_train, data_test], ignore_index=True)