機器學習新風暴：如何用ML模型預測房價？
本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)
從駕駛汽車到識別語音+翻譯，機器學習通過軟件預測變幻莫測的現(xiàn)實世界，正在人工智能領(lǐng)域掀起一場風暴。
所以，什么是機器學習?
機器學習是教計算機系統(tǒng)使用反饋的舊數(shù)據(jù)進行預測的過程，基本上是訓練計算機根據(jù)過去的數(shù)據(jù)預測未來的數(shù)據(jù)。這些預測可以很簡單，例如鑒定照片中的動物是貓還是狗，難度也可以遞進至對語音準確識別來生成網(wǎng)站字幕或運行視頻或音樂之類的事情。
機器學習種類
機器學習大致分為兩大類：監(jiān)督學習和無監(jiān)督學習。
監(jiān)督學習是用示例教學機器的方法。這些機器接受了大量數(shù)據(jù)的訓練，從而學會識別圖案，并可以根據(jù)訓練數(shù)據(jù)來識別和區(qū)分數(shù)據(jù)。
而無監(jiān)督學習是使用算法來識別數(shù)據(jù)集的模式，其中的數(shù)據(jù)點既未分類也未標記。算法從數(shù)據(jù)集中提取有用的信息或特征來分析其底層結(jié)構(gòu)，并依此對數(shù)據(jù)進行分類。
來看看怎樣使用監(jiān)督學習來構(gòu)建機器學習模型。
第一步：熟悉數(shù)據(jù)
任何機器學習項目的第一步都是熟悉數(shù)據(jù)。對此可以使用Pandas庫。Pandas是數(shù)據(jù)科學家探索和處理數(shù)據(jù)的主要工具。
Pandas庫中最重要的是DataFrame。DataFrame相當于保存數(shù)據(jù)的表，類似SQL數(shù)據(jù)庫中的表。Pandas有處理DataFrame中數(shù)據(jù)的強大方法。拿加利福尼亞房價數(shù)據(jù)舉例。(文件路徑：../input/california-housing-prices/housing.csv)使用以下命令加載和瀏覽數(shù)據(jù)：
第二步：選擇建模數(shù)據(jù)
研究DataFrame的數(shù)據(jù)后會發(fā)現(xiàn)它有10列，其中有9列是數(shù)字數(shù)據(jù)，“Ocean proximity”一列有字符串類型數(shù)據(jù)。我們只用數(shù)字數(shù)據(jù)就可以構(gòu)建任何模型，因此可以直接刪掉“Ocean proximity”列。
然后刪掉空值的列，如下：
第三步：選擇預測目標(Y)和特征(X)
下一步是選擇預測目標(Y)，也就是“median_house_value”列。所以分配Y為“ median_house_value”。其余特征為X。從數(shù)據(jù)集中移除“ median_house_value”列，然后將余下的分配為X，如下所示：
第四步：構(gòu)建模型
使用scikit-learn庫創(chuàng)建模型。該庫在代碼中以sklearn形式編寫。當用存儲在DataFrames中的數(shù)據(jù)類型進行建模時，最受歡迎的庫就是Scikit-learn。建立和使用模型的步驟是：
- 定義：模型類型是什么?是線性回歸還是其他類型?
- 擬合：從現(xiàn)有數(shù)據(jù)中獲取模式(建模的核心)。
- 預測：預測目標
- 評估：確定模型預測的準確度。
現(xiàn)在，使用scikit-learn(sklearn)來定義線性回歸模型，并將其與特征和目標變量進行擬合，并獲得“ median_house_value”的預測值。導入以下庫使用scikit-learn(sklearn)。
為線性回歸模型創(chuàng)建一個變量。并且還使用train_test_split函數(shù)將數(shù)據(jù)分為訓練和測試數(shù)據(jù)。在這里，我使用了25%的數(shù)據(jù)進行測試，而剩余的75%則用于訓練模型。
第五步：擬合模型
用訓練數(shù)據(jù)擬合線性回歸模型。
完成后，預測功能通過使用X的測試值來預測房價。然后使用得分功能通過模型獲得預測值的準確度，如下所示：
可以看到，模型預測正確率在66%左右。
第六步：畫圖
現(xiàn)在用X測試值和預測值(輸出)畫圖，如下：
一個擬合的模型完成啦，我們可以用它預測。實際使用時，我們可以對即將上市的新房子做預測。
本例是關(guān)于如何在數(shù)據(jù)集上擬合線性回歸模型并用來預測房價。我們還可以將相同的數(shù)據(jù)擬合到?jīng)Q策樹上或用來支持向量機，并比較哪種模型預測得更好。
希望本文能幫到那些正在嘗試建立第一個機器學習線性回歸模型的人。
