1、选择建模数据
我们的数据集有太多的变量，很难处理，我们需要将这些海量的数据减少到我们能理解的程度。
我们肯定要选择变量的一列来进行分析，故我们需要查看数据集中所有列的列表名，这是通过数据框架的Columns属性完成的。
以之前的墨尔本房价为例
import pandas as pd # 将文件路径保存到变量以便于访问 melbourne_file_path = '../input/melbourne-housing-snapshot/melb_data.csv' #读取数据并将数据存储在名为墨尔本数据的数据框中 melbourne_data = pd.read_csv(melbourne_file_path) print(melbourne_data.columns)
输出结果为：
2、选择数据子集的两种方法
1）、点表示法，用于选择预测目标。
2）、用列列表选择，我们用它来选择功能(特性)
选择预测目标：
我们可以用点标记法拉出一个变量。把这个单列存储在一个系列中，这个系列大体上就像一个只有单列数据的数据框架。
我们将使用点表示法来选择要预测的列，这称为预测目标。根据惯例，预测目标称为Y
y = melbourne_data.Price
选择功能（特性）：
输入到我们的模型中的列（稍后用于预测）称为“功能”。在我们的例子中，这些列将是用于确定房价的列。
有时，您将使用除目标之外的所有列作为功能。其他时候，你会因为功能更少而过得更好。
现在，我们将构建一个只有几个特性的模型，稍后你将看到如何使用迭代和比较使用不同特性构建的模型。
我们通过在括号内提供列名列表来选择多个特性。列表中的每一项都应该是一个字符（带引号）
melbourne_features = ['Rooms', 'Bathroom', 'Landsize', 'Lattitude', 'Longtitude']
X = melbourne_data[melbourne_features]
print(X.describe())
print(X.head())
输出结果为：
构建模型：
我们将使用scikit-learn库创建模型，编写代码时，这个库编写为sklearn，Scikit-learn主要用于存储在数据流中的数据类型。
建立和使用模型的步骤如下：
1）定义:它将是什么类型的模型?一个决策树吗?其他类型的模型?还指定了模型类型的其他一些参数。
2）、匹配:从提供的数据捕获模式。这是建模的核心
3）、预言:就像它听起来的那样
4）、评估:确定模型的预测有多准确。
下面是一个用scikit-learn定义决策树模型并将其与特性和目标变量相匹配的例子：
from sklearn.tree import DecisionTreeRegressor # 定义模型。为random_state指定一个数字，以确保每次运行的结果相同 melbourne_model = DecisionTreeRegressor(random_state=1) #合适的模型 melbourne_model.fit(X, y)
许多机器学习模型在模型训练中允许一定的随机性。为random_state指定一个数字可以确保每次运行得到相同的结果。这被认为是一种很好的做法。
我们使用任何数字，而模型的质量并不完全取决于我们所选择的值。
我们现在有了一个拟合的模型，可以用来进行预测。
在实践中，你会想要预测即将上市的新房子，而不是我们已经有价格的房子。但我们将对训练数据的前几行进行预测。
以了解predict函数是如何工作的：
print("Making predictions for the following 5 houses:") print(X.head()) print("The predictions are") print(melbourne_model.predict(X.head()))
输出结果为：
模型验证：