基于xgboost的波士顿房价预测kaggle实战

简介: xgboost中文叫做极致梯度提升模型,官方文档链接:https://xgboost.readthedocs.io/en/latest/tutorials/model.html2018年8月24日笔记这是作者在波士顿房价预测项目的第3篇文章,在查看此篇文章之前,请确保已经阅读前2篇文章。

xgboost中文叫做极致梯度提升模型,官方文档链接:https://xgboost.readthedocs.io/en/latest/tutorials/model.html

2018年8月24日笔记
这是作者在波士顿房价预测项目的第3篇文章,在查看此篇文章之前,请确保已经阅读前2篇文章。
第2篇文章链接:https://www.jianshu.com/p/f34f22258a0a

0.打开jupyter notebook

不知道怎么打开jupyter notebook的朋友请查看我的入门指南文章:https://www.jianshu.com/p/bb0812a70246

1.准备数据

kaggle网站波士顿房价项目链接:https://www.kaggle.com/c/boston-housing
网页内容如下图所示:

img_c18b36623a7f6e2c1247f0b3fa65a627.png
image.png

查看项目评分标准,如下图所示:


img_81b514ddb55f5f169f733509cfb7e27a.png
image.png

从上图我们可以看出,该项目使用RMSE指标评估。
RMSE是root mean square error的简写,中文叫做均方根误差。
上图中的公式有错误,正确应该如下图所示:


img_d5b8401ae992cce6e06279101c9b0ab5.png
image.png

2.作者的最高分

波士顿房价预测项目是2016年的项目,现在已经结束。
所以读者可以先熟悉提交答案的流程,作者提供自己的最高分文件。
提交文件下载链接: https://pan.baidu.com/s/1DxSEuysjOLCVuNlnw41-oQ 密码: b8jm
提交结果如下图所示:

img_2f65de4004460b2052dd14f111dfdd74.png
image.png

从上图的结果可以看到,作者的最高分有3.02分,可以排到第5名。
后面的章节讲述提升模型回归效果,即降低RMSE的过程。

3.下载数据集

如下图所示,下载红色箭头标示的3个文件。
下载完成后,就可以开始编程。


img_f52ad667385a16f56a6e9b4c4e5accc4.png
image.png

4.加载数据集

train.csv文件中的表格有15个字段,第1个字段是ID,最后1个字段是预测目标值。
用df.iloc[:,1:-1]取除了第1个字段和最后1个字段的其他字段。

import pandas as pd

def dataProcessing(df):
    field_cut = {
    'crim' : [0,10,20, 100],
    'zn' : [-1, 5, 18, 20, 40, 80, 86, 100], 
    'indus' : [-1, 7, 15, 23, 40],
    'nox' : [0, 0.51, 0.6, 0.7, 0.8, 1],
    'rm' : [0, 4, 5, 6, 7, 8, 9],
    'age' : [0, 60, 80, 100],
    'dis' : [0, 2, 6, 14],
    'rad' : [0, 5, 10, 25],
    'tax' : [0, 200, 400, 500, 800],
    'ptratio' : [0, 14, 20, 23],
    'black' : [0, 100, 350, 450],
    'lstat' : [0, 5, 10, 20, 40]
    }
    cut_df = pd.DataFrame()
    for field in field_cut.keys():
        cut_series = pd.cut(df[field], field_cut[field], right=True)
        onehot_df = pd.get_dummies(cut_series, prefix=field)
        cut_df = pd.concat([cut_df, onehot_df], axis=1)
    new_df = pd.concat([df, cut_df], axis=1)
    return new_df

df = pd.read_csv('train.csv')
field_df = df.iloc[:,1:-1]
feature_df = dataProcessing(field_df)

根据网上的资料显示,有部分异常值的预测目标值为50。
清除异常值,代码如下:

X = feature_df
y = df['medv'].values
print(X.shape)
X = X[y!=50]
y = y[y!=50]
print(X.shape)

上面一段代码的运行结果如下:

(333, 61)
(322, 61)

5.模型训练

from xgboost import XGBRegressor
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import ShuffleSplit


xgb_model = XGBRegressor(nthread=7)
cv_split = ShuffleSplit(n_splits=6, train_size=0.7, test_size=0.2)
grid_params = dict(
    max_depth = [4, 5, 6, 7],
    learning_rate = np.linspace(0.03, 0.3, 10),
    n_estimators = [100, 200]
)
grid = GridSearchCV(xgb_model, grid_params, cv=cv_split, scoring='neg_mean_squared_error')
grid.fit(X, y)

查看模型的最优参数和最优rmse指标,代码如下:

print(grid_model.best_params_)
print('rmse:', (-grid_model.best_score_) ** 0.5)

上面一段代码的运行结果如下:

{'learning_rate': 0.03, 'max_depth': 6, 'n_estimators': 200}
rmse: 2.885408101511587

利用训练好的结果,对测试集做回归预测,代码如下:

predict_df = pd.read_csv('test.csv')
predict_X = dataProcessing(predict_df.iloc[:,1:]).values
predict_y = grid_model.predict(predict_X)
save_df = pd.DataFrame({
    'ID' : predict_df.ID,
    'medv' : predict_y
})
save_df.to_csv('xgb_boston_submission1.csv', index=False)

6.提交作答文件

点击下图红色箭头标示处,界面如下图所示。
分为2步:1.上传作答文件;2.对此次作答做简单的描述。

img_e35ef8218a3b56f66f48265927ff6f01.png
image.png

作者的作答文件命名为 xgb_boston_submission1.csv,如下图所示。
重新运行的提交分数为3.10,分数略有下降,但是仍能进入前5。
img_97de26ca8714b1277b4aea971f3fd260.png
image.png

目录
相关文章
|
6月前
|
机器学习/深度学习 人工智能 算法
机器学习-线性模型(波士顿房价预测)
机器学习-线性模型(波士顿房价预测)
|
6月前
|
算法 Python
线性回归-最小二乘法入门(波士顿房价)
线性回归-最小二乘法入门(波士顿房价)
134 0
|
3月前
|
机器学习/深度学习 数据采集 人工智能
《零基础实践深度学习》基于线性回归实现波士顿房价预测任务1.3.3
这篇文章详细介绍了如何使用线性回归算法实现波士顿房价预测任务,包括数据读取、形状变换、集划分、归一化处理、模型设计、前向计算以及损失函数的计算等步骤,并提供了相应的Python代码实现。
 《零基础实践深度学习》基于线性回归实现波士顿房价预测任务1.3.3
|
3月前
|
机器学习/深度学习 算法 前端开发
《零基础实践深度学习》波士顿房价预测任务1.3.3.5 总结
使用Numpy实现梯度下降算法来构建和训练线性模型进行波士顿房价预测的过程,并提供了模型保存的方法,同时提出了几个关于梯度计算、参数更新和神经网络训练的作业题目。
 《零基础实践深度学习》波士顿房价预测任务1.3.3.5 总结
|
3月前
|
机器学习/深度学习 算法 程序员
《零基础实践深度学习》波士顿房价预测任务 02
这篇文章通过"波士顿房价预测"任务,介绍了使用Python和Numpy构建神经网络模型的基本思路和操作,首先以线性回归模型为例,解释了神经网络中损失函数的选择和模型的构建过程。
|
机器学习/深度学习 算法 API
机器学习梯度下降法应用波士顿房价预测
机器学习梯度下降法应用波士顿房价预测
175 0
|
机器学习/深度学习 算法框架/工具
【深度学习】实验01 波士顿房价预测
【深度学习】实验01 波士顿房价预测
179 0
|
机器学习/深度学习 PyTorch API
再次用【飞桨】实现波士顿房价预测并解析
再次用【飞桨】实现波士顿房价预测并解析
174 0
|
机器学习/深度学习 数据采集 测试技术
Kaggle实战之 房价预测案例
Kaggle实战之 房价预测案例
|
机器学习/深度学习 数据采集 数据可视化
机器学习实战 | 逻辑回归应用之“Kaggle房价预测”
基于kaggle网站所提供的爱荷华州埃姆斯的住宅数据信息,预测每间房屋的销售价格,数据的标签SalePrice是连续性数据,因此可以判定这是一个回归问题。
机器学习实战 | 逻辑回归应用之“Kaggle房价预测”