Skip to content

房价预测完整项目:1.爬取链家网数据 2.处理后,用sklearn中几个逻辑回归机器学习模型和keras神经网络搭建模型预测房价 最终结果神经网络效果更好,R^2值0.75左右

Notifications You must be signed in to change notification settings

mryuan0428/House-price-prediction

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

8 Commits
 
 
 
 
 
 
 
 

Repository files navigation

  • 语言:python3

  • 文件内容说明:

    |--data_spider文件夹
        |--dataset文件夹 -- 爬取的原始数据
        |--Spider.py -- 爬虫
        |--url.txt -- 爬虫url
        |--数据结构 -- 说明爬到数据的信息
    |--process_first文件夹
        |--update.py -- 统一原始数据格式,缺失标签补空值
        |--dataset2文件夹 -- 小区名转换成经纬坐标后的数据集
        |--POI_COMMUNITY_SH文件夹 -- 之前爬取的上海小区POI点
        |--modifyCommunity.py -- 将POI点提取到POI_COMMUNITY_SH文件夹下的community0.txt文件
        |--modifyCoordinate.py -- 将小区名、经纬度坐标、房屋均价信息提取到coordinate.csv文件,便于后边可视化
        |--searchForCommunity.py -- 将dataset中小区名转换成经纬坐标后,保存在dataset2
        |--map.py -- 画出上海房价分布热力图
        |--map.png -- 上海房价分布热力图
    |--process&module文件夹
        |--dataset.py -- 包含大量数据处理函数,如facility_process(),dataset()
            |--facility_process()函数 -- 将数据集中关于设备的描述关键词分类
            |--dataset()函数 -- 数据集接口,返回dict类型的数据集
        |--dataset3文件夹 -- facility_process()处理过后的数据集
        |--建模过程.docx -- 简述建模过程,其中说明了process&module文件夹下tocsv.py,data_c.csv……文件的意义
        |--result_pictures文件夹 -- 建模过程中各个模型的回归曲线
        |--……其余文件,包含训练、测试数据集,建模文件,模型… 在建模过程.docx中有说明
  • dataset()函数用法说明:
dataset(*, src='./data2', dst='./dataset', load_from_source=False)
  • Keyword arguments:

    • src -- str, source data path
    • dst -- str, dataset path
    • load_from_source -- bool, flag if load from source (False in default)
    • Notes:
      • Info turn dictionaries into object-like instances
        • inherits from dict type
        • iterable, and support all functions as dict
        • immutable, thus cannot set or delete attributes after initialisation
        • infotodict -- reverse Info object into dict type
      • Dataset object herits from tuple
        # returns from `dataset` function
        >>> data = dataset()
        # subscriptable as normal tuples
        >>> data[0]
        >>> data[1:10]
        # or to fetch certain keys
        >>> data[1, 'apt', 'lift']
        Info(apt=(2,), lift=(1,))
        >>> data[1:3, 'price', 'average']
        Info(price=(2600000.0, 3080000.0), average=(44636, 36032))

About

房价预测完整项目:1.爬取链家网数据 2.处理后,用sklearn中几个逻辑回归机器学习模型和keras神经网络搭建模型预测房价 最终结果神经网络效果更好,R^2值0.75左右

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages