摘要：本文基于Kaggle比赛中房价预测问题, 通过复现成绩优秀的参赛队伍所分享的代码,对深度学习算法进行了研究. 首先使用Python软件对原始数据进行了预处理, 包括异常值和缺失值的处理, 并做了模型的变量选择分析, 使得建立的预测模型精度更高, 拟合效果更好. 然后对处理后的数据特征分别应用了Lasso回归模型, Kernel Ridge回归模型和SVR模型, 并不断对模型参数进行调整来训练模型, 降低模型误差. 最终通过对各个模型误差的比较及分析, 得到最佳的房价预测模型. 

 

关键词　Kaggle比赛; Lasso回归; Kernel Ridge回归; SVR模型

 

目录

摘要

Abstract

1 绪论-1

1.1 课题背景-1

1.2 研究内容-1

2 数据获取及探索-2

2.1 数据获取-2

2.2 数据宏观探索-3

2.3 房价数据的可视化分析-5

3 数据预处理-9

3.1 异常值处理-9

3.2 缺失值处理-9

4 模型的变量选择分析-11

4.1 离散型变量的排序赋值-11

4.2 特征组合-12

4.3 主成分分析（PCA）-12

5 模型建立及选择-14

5.1 代价函数-14

5.2 交叉验证-14

5.3 Lasso回归模型-14

5.4 Kernel Ridge回归模型-16

5.5 SVR模型-17

5.6 模型选择-18

结论-19

参考文献-20

致谢-21