Python实现贝叶斯岭回归模型(BayesianRidge算法)并使用K折交叉验证进行模型评估项目实战

Python实现贝叶斯岭回归模型(BayesianRidge算法)并使用K折交叉验证进行模型评估项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。

1.项目背景

房价问题已经成为中国社会关注的焦点问题。现阶段中国房价为什么上涨过快并始终成为社会关注的焦点等问题;认为未来一段时间内中国房价仍然会总体上涨,房价上涨压力会向二线城市特别是中西部地区的二线城市转移.为此,房地产调控应针对房价地区分化现象,实施差异化的住房政策;针对住房需求结构变化,优化住房供给结构;针对住房市场交易结构变化,调整房地产调控的重点领域。

本项目通过贝叶斯岭回归模型综合各种因素建模房价预测模型，并通过K折交叉验证进行房价模型的评估。

2.数据获取

本次建模数据来源于网络(本项目撰写人整理而成)，数据项统计如下：

数据详情如下(部分展示)：

3.数据预处理

3.1 用Pandas工具查看数据

使用Pandas工具的head()方法查看前五行数据：

 关键代码：

3.2数据缺失查看

使用Pandas工具的info()方法查看数据信息：

从上图可以看到，总共有14个变量，数据中无缺失值，共506条数据。

关键代码：

3.3数据描述性统计

通过Pandas工具的describe()方法来查看数据的平均值、标准差、最小值、分位数、最大值。

关键代码如下：

4.探索性数据分析

4.1 房屋房价的趋势图

用Matplotlib工具的plot()方法绘制折线图：

4.2 房屋房价分布直方图

用Matplotlib工具的hist()方法绘制直方图：

从上图可以看出，房屋房价主要分布在115~25之间。

4.3 住宅房间数分布直方图

用Matplotlib工具的hist()方法绘制直方图：

从上图可以看出，住宅房间数主要分布在5.5~7。

4.4 便利指数与房屋房价的散点图与拟合线

用seaborn工具的lmplot ()方法绘制散点图与拟合线：

从上图可以看出，距离高速公路的便利指数和房屋房价不呈现线性关系。

4.5 相关性分析

从上图中可以看到，数值越大相关性越强，正值是正相关、负值是负相关。

5.特征工程

5.1 建立特征数据和标签数据

关键代码如下： 

 

5.2 数据集拆分

通过train_test_split()方法按照80%训练集、20%测试集进行划分，关键代码如下：

6.构建贝叶斯岭回归模型

主要使用BayesianRidge算法，用于目标回归。

6.1构建模型

 

6.2模型特征权重值直方图

 

从上图可以看到，特征的权重值主要集中在-0.5~1之间。

7.模型评估

7.1评估指标及结果

评估指标主要包括可解释方差值、平均绝对误差、均方误差、R方值等等。

从上表可以看出，R方为0.6639；可解释方差值为0.666模型效果一般，可根据需要进行进一步的优化。

关键代码如下：

7.2 真实值与预测值对比图

 

从上图可以看出真实值和预测值波动基本一致。

8.结论与展望

综上所述，本文采用了贝叶斯岭回归算法来构建回归模型，并应用5折交叉验证进行模型评估，房价影响因素比较多，本项目进行初步的探讨、研究。

# 用Pandas工具查看数据
print(data.head())
print('******************************')本次机器学习项目实战所需的资料，项目资源如下：链接： 
提取码：8zlk# 数据缺失值统计
print(data.info())
print('******************************')# 描述性统计分析
print(data.describe())
print('******************************')# 房屋房价的趋势图
Params['font.sans-serif'] = ['SimHei']  # 指定默认字体
Params['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
plt.plot(data.index, data['MEDV'], color='blue', label='房屋房价')  # 绘制折线图
plt.xlabel("序号")
plt.ylabel("房屋房价")
plt.title('房屋房价的趋势图')
plt.legend(loc='upper right')  # 给图加上图例
plt.show()