房屋价格预测 使用波士顿住房数据集，该项目的目的是能够对房屋进行价格预测并确定价格所依赖的因素。

加州住房 来源 此数据集是可从（波尔图大学）获得的“加利福尼亚住房”数据集的修改版本。 LuísTorgo从StatLib存储库（现已关闭）中获取了它。 数据集也可以从StatLib镜像下载。 该数据集出现在1997年Pace，R.Kelley和Ronald Barry题为“稀疏空间自回归”的论文中，该论文发表在《统计和概率快报》杂志上。 他们使用1990年加利福尼亚人口普查数据构建了该数据。 每个普查区组包含一行。 街区小组是美国人口普查局发布样本数据的最小地理单位（街区小组通常人口为600至3,000人）。 调整 此目录中的数据集几乎与原始数据集相同，但有两个区别： 从total_bedrooms列中随机删除了207个值，因此我们可以讨论如何处理丢失的数据。 添加了另一个名为ocean_proximity类别属性，该属性（非常粗略地）指示每个块组是在海洋附近，在湾区附近，在内陆还

使用线性模型实现餐厅利润和房屋价格预测.docx

房屋价格预测-ML-Hackaton：使用具有相关热图，PCA和随机森林回归的特征选择进行房屋价格预测

本文以1999年至2015年的香港为样本期，将变量设置为私人住宅零售价格指数HP和房地产相关税收收入HT，选择多对数Logistic回归模型方法，对利得税进行实证分析，印花税，一般差rates及物业税对香港私人房屋零售价指数的影响。 结果表明，保留链接上的房地产税仅对私人住房的价格产生有限的影响。 财产税的促进更加明显，总体差异受到的影响较小。 交易环节上的房地产税对房价产生重大影响。 利得税有显着的积极作用，印花税也有推动作用，但作用微弱。 增加交易环节的税收将刺激房价进一步上涨。 根据实证结果，本文认为香港政府应进一步明确房地产税的作用，充分发挥政府在房地产市场中的作用，简化房地产税制，完善房地产税一揽子计划。 ，以便在房地产税中起到抑制房价的作用。

国王郡房屋定价回归分析 （技术演示文稿位于Final Notebook.ipynb 介绍 该项目使用线性回归模型来最好地预测华盛顿州西雅图市的房价。 资料总览 提供的数据集代表在华盛顿州金斯县出售的17,290处物业。 对于每个属性，我们都得到了有关平方英尺，房屋状况，房间数和浴室数量，位置，出售日期等其他详细信息。 探索性数据分析 提供的数据干净整洁，没有任何空值，因此为我们的EDA准备的大多数数据都与处理离群值有关。 在浏览我们的数据时，很清楚地理位置与房价之间的关联性。 您可以在下面的热图和邮政编码条形图中看到该县某些地区的平ASP格比其他地区的平ASP格高多少。 在EDA流程中，对统计进行了以下测试： 位于KC北部与KC南部的平均房价-存在统计差异； 北部的房屋平ASP格较高。 有海滨和没有海滨的房屋的平均房价-存在统计差异，海滨房屋的均值较高。 某些等级的房屋的平均房

苏格兰房屋价格