“Talk is cheap. Show me the code.”
― Linus Torvalds
老子第41章
上德若谷
大白若辱
大方無隅
大器晚成
大音希聲
大象無形
道隱無名
拳打千遍, 身法自然
“There’s no shortage of remarkable ideas, what’s missing is the will to execute them.” – Seth Godin
「很棒的點子永遠不會匱乏，然而缺少的是執行點子的意志力。」—賽斯．高汀
- Python程式與數據資料分析1 link
- Python程式與數據資料分析1.1 Kaggle站免費教學的路徑圖 link
- Python 與數據資料分析2-資料視覺化-Matplotlib.pyplot 入門 link
- Python 與數據資料分析3.1-資料視覺化-基本圖表類型 link
- Python 與數據資料分析3.2-資料視覺化-從 seabon 的函數分類來看 link
- Python與資料分析3.3-資料視覺化-seaborn 補充 link
- Python與資料分析4-資料視覺化-鳶尾花 link
- Python與資料分析 5-入門級競賽分析-鐵達尼號 link
- Python與資料分析 6-入門級競賽分析-房價预测
接著, 我們要示範完整跑完, 整個資料分析的流程, 以 Kaggle 提供之 房價预测 資料集例子為例,
我們先照著 Chapter 3, 自學機器學習, 上 Kaggle 接軌世界, 溫政堯譯, 旗標出版, 房價預測這章 照著打一遍,
再參考 Kaggle 網站的教學文章, 房價预测的英文那份例子, 全程走一遍.
Ref:
-
自學機器學習, 上 Kaggle 接軌世界, 溫政堯譯, 旗標出版.
-
Kaggle入门，看这一篇就够了link
介紹的三個入門級競賽例子,
我們照著 房價预测的英文那份例子, 全程走一遍
House Prices: Advanced Regression Techniques（房价预测）
中文教程：每日一课 Kaggle 练习讲解 https://zhuanlan.zhihu.com/p/74474886 link
英文教程：How to get to TOP 25% with Simple Model using sklearn link
照書上介紹的, 先登入 Kaggle, 可以註冊一個帳號, 都是免費的, 也可以用 Google等帳號登入,
點選 Code/+ New Notebook,
產生一個新的 Notebook, 就是一個空白的, 可以輸入程式的編輯畫面, 類似 Anaconda 中的 Jupter Notebook 或是 Colab 的 Notebook.
在右方可以點出 add data 的按鈕(不是很明顯), 可以直接選出 Kaggle 站上的 房價預測的 data資料,
之後這著書本的指令打:
先載入基本的 模組
import numpy as np # linear algebra
import pandas as pd
載入房價預測競賽之資料
將站上的 房價預測的 data資料讀入, 使用
pd.read_csv()
train = pd.read_csv("../input/house-prices-advanced-regression-techniques/train.csv")
test = pd.read_csv("../input//house-prices-advanced-regression-techniques/test.csv")
print('train shape: ', train.shape)
print('test.shape: ', test.shape)
使用以下了解 data 初步的模樣
train.info()
train.head()
train.head()
train.info()
輸出:
`
RangeIndex: 1460 entries, 0 to 1459
Data columns (total 81 columns):
# Column Non-Null Count Dtype
Original: https://blog.csdn.net/m0_47985483/article/details/120135732
Author: 賴博伯
Title: Python與資料分析 6-入門級競賽分析-房價预测
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/600760/
转载文章受原作者版权保护。转载请注明原作者出处！