多元线性回归 – 使用散点图探索

通过上一部分简单线性回归了解了橙现智能的基本使用方法后, 我们开始一个复杂一些的任务, 多元线性回归.

介绍

此任务中我们使用 kaggle 房价预测的例子以及其数据来进行多元线性回归实战。这里给出了 19 个房屋特征，附加一个 id 列，目的是预测有了新房的话，根据房屋特征判断房价（price）是多少。比赛总共提供了 21613 个样本。数据及其说明都在比赛网站可见, 也可以直接下载此数据。此任务我们使用“橙现智能”实现。

视频教程

基准工作流

和简单线性回归一样, 搭建如下工作流, 并可以在测试与评分中查看结果. 此部分不再详述.

此处唯一注意的就是要使用 kc_house_data.csv 这个数据, 并且设置 price 为 目标

此时的R2大概是 0.7 左右. 下一步我们尝试将此数值提高.

探索性数据分析

卧室

可以使用数据表查看, 很难看出什么. 接着继续使用散点图进一步分析.

此散点图结果显示的是 price 与 bedrooms (价格与卧室数量)的关系. 我们可以发现卧室数量在 6 附近的时候房价最高, 随后会有下降. 这就是一个比较奇怪的现象了, 为什么会这样呢? 通过猜测, 我们假设卧室数量过多的话, 可能就是宿舍一类的房子了, 价格应该不高. 这样的话, 这类房子的大小应该也不大, 我们可以通过观察 sqft_living 与 bedrooms 关系来看, 卧室数量过多的房屋的确可能是宿舍.