基于sklearn随机森林实现东莞房价预测

基于sklearn随机森林实现东莞房价预测

== 答辩结束，记录一下觉得是毕设的一个亮点 ==
以下是实现房价预测的流程图：

原始数据大概如下（展示部分）：

在清洗之前先进行数据字段的相关系数的计算，相关度越大影响越大，对于后期建模建模分数比较有利
相关系数计算：

engine = create_engine("mysql+pymysql://root:root@localhost:3306/houseinfo?charset=utf8") 
sql = "select * from forecast_data_copy"
house_data = pd.read_sql(sql, engine)
print(()) #调用corr()方法并且查看

之后需要将数据处理为：

将数据库数据文本转化为特定的数字，实现代码如下：

def format_data():engine = create_engine("mysql+pymysql://root:root@localhost:3306/houseinfo?charset=utf8")sql = "select * from ershoufang_info"house_data = pd.read_sql(sql, engine)house_data[u'decoration'] = house_data[u'decoration'].map({'毛坯': 1001, '简装修': 1002, '精装修': 1003, '其他': 1000, '': 1000})house_data[u'house_range'] = house_data[u'house_range'].map({'1室': 2001, '2室': 2002, '3室': 2003, '4室': 2004, '5室': 2005,'6室': 2006, '7室': 2007, '8室': 2008, '9室': 2009, '车位室': 2000,'0室': 2000, '未知': 2000, '': 2000})house_data[u'town'] = house_data[u'town'].map({'南城区': 4000, '万江区': 5000, '石碣镇': 101000, '石龙镇': 102000, '茶山镇': 103000,'石排镇': 104000,'企石镇': 105000, '横沥镇': 106000, '桥头镇': 107000, '谢岗镇': 108000, '大岭山镇': 118000,'常平镇': 110000, '寮步镇': 111000, '长安镇': 119000, '大朗镇': 113000, '黄江镇': 114000,'清溪镇': 115000, '望牛墩镇': 127000, '东城区': 3000, '莞城区': 6000,'东坑镇': 109000, '塘厦镇': 116000, '凤岗镇': 117000, '虎门镇': 121000, '厚街镇': 122000,'沙田镇': 123000, '道滘镇': 124000, '洪梅镇': 125000, '麻涌镇': 126000, '中堂镇': 128000,'高埗镇': 129000, '樟木头镇': 112000, '松山湖': 401000})house_data[u'built'] = house_data[u'built'].map({'未知': 0,'2019': 2019, '2018': 2018, '2017': 2017, '2016': 2016, '2015': 2015,'2014': 2014, '2013': 2013, '2012': 2012, '2011': 2011, '2010': 2010,'2009': 2009, '2008': 2008, '2007': 2007, '2006': 2006, '2005': 2005,'2004': 2004, '2003': 2003, '2002': 2002, '2001': 2001,'2000': 2000, '1999': 1999, '1998': 1998, '1997': 1997, '1996': 1996,'1995': 1995, '1994': 1994, '1993': 1993, '1992': 1992, '1991': 1991,'1990': 1990, '1989': 1989, '1980': 1980})house_data[u'orientation'] = house_data[u'orientation'].map({'三面单边': 3001, '西南': 3002, '东南': 3003, '南': 3004, '东北': 3005,'西北': 3006, '南北': 3007, '北': 3008, '西': 3009, '东': 30010,'未知': 3000, '东西': 30011, '': 3000})house_data[u'floor'] = house_data[u'floor'].map({'地下室': 4000, '低楼层': 4001, '中楼层': 4002, '高楼层': 4003, '未知': 4000, '': 4000})house_data[u'finsh_data'] = house_data[u'finsh_data'].apply(lambda x: int(x.split('/')[0]+x.split('/')[1]))print(house_data[u'finsh_data'])house_data = house_data.drop(['built_range', 'use_year', 'price_tag', 'cycle', 'id','total_price'], axis=1)print(house_data.isnull().all())_sql(name='clear_sql', con=engine, if_exists='replace', index=False)return house_data

再者就是建立预测模型，预测比较简单，导入DataFrame，并且分为训练集和测试集，推荐B站关于随机森林视频的介绍，5-10分钟

def RF():    # 随机森林data = format_data()print(np.isnan(data).any())data.dropna(inplace=True)print(np.isnan(data).any())data1 = data.drop([u'unit_price'], axis=1)df_data = data1# #将目标值转化dfdf_target = data[u'unit_price']# 将数据集拆分成训练集 和测试集# 常用占比  分为测试集占比0.2  训练集0.8# 返回前面训练集 后面测试集x_train, x_test, y_train, y_test = train_test_split(df_data, df_target, test_size=0.2)semble import RandomForestRegressormodel = RandomForestRegressor(n_estimators=100, max_features=9)model.fit(x_train, y_train)predicted = model.predict(x_test)# 生成pkl文件，供后期调用joblib.dump(model, 'RF.pkl')#回归模型的四大评价指标# mse = an_squared_error(y_test, predicted)# print(metrics.accuracy_score(y_test, predicted)) # 0-1之间，接近1证明建模可靠性高mse = plained_variance_score(y_test, predicted)# mse = metrics.accuracy_score(y_test, predicted)return (mse)def main():RF()print('RF mse: ', RF())

最后就是传入数据，调用模型

def test_RF():shuju = pd.DataFrame([{'town': 121000, 'house_range': 3004, 'floor': 4002, 'area': 98.0, 'built': 2015, 'orientation': 3004,'decoration': 1000, 'finsh_data': 202001}], columns=['town', 'house_range', 'floor', 'area', 'built','orientation', 'decoration', 'finsh_data'])print(shuju)# 调用文件，其实模型上一步已经建好了，现在只需要传入数据，会根据之前训练，给出值。clf = joblib.load('RF.pkl')print(clf)price = clf.predict(shuju)print(price)def main():test_RF()

可以运用在网站开发实践中~

这是小小的记录呀，可能会存在用法或者数据处理不当哈哈