the-simpsons-characters-recognition-challenge-iii-hk63560892 created by GitHub Classroom

房價 Regression 數據分析

專案描述

這是一個使用了xgboost，catboost以及lgbm模型來進行房價 regression 分析的專案。

數據源

https://www.kaggle.com/competitions/machine-learning-2023-nycu-regression/data

安裝和設置

以下是在這個分析中使用的主要函式庫：

• from sklearn.feature_selection import VarianceThreshold
• from sklearn.metrics import mean_absolute_error
• import pandas as pd
• from sklearn.preprocessing import LabelEncoder, StandardScaler, MinMaxScaler
• import matplotlib.pyplot as plt
• import numpy as np
• from sklearn.feature_selection import SelectKBest, f_regression
• import seaborn as sns
• from sklearn.cluster import KMeans, AgglomerativeClustering, MeanShift, SpectralClustering
• from sklearn.pipeline import Pipeline
• from sklearn.decomposition import PCA
• import sweetviz as sv
• from sklearn.model_selection import cross_val_score, KFold, train_test_split
• from catboost import CatBoostRegressor
• import featuretools as ft
• import lightgbm as lgb
• import xgboost as xgb
• from sklearn.model_selection import RandomizedSearchCV, GridSearchCV

要運行此專案，您需要首先安裝這些函式庫。

使用方法

• 匯入所需的函式庫
• 匯入數據
• 查看數據的前幾行
• 顯示數據類型的一般概念
• 數據集的摘要統計
• 數據可視化
• 特徵工程
• 特徵選擇：Correlation
• 特徵選擇：Variance Threshold
• 特徵選擇：selectKbest
• 不使用Normalization
• 生成測試特徵
• Light GBM
• CAT BOOST
• XG boost
• 通過grid search 和random search 找出最適合三個模型的超參數

結果和視覺化

請參考 house_price_pred.ipynb notebook 以查看完整的分析結果和相關視覺化。