本资源作为专栏机器学习专栏的原始数据，包含了简单的数据，未处理的数据和最终处理完成后的房价数据，用于机器学习相关知识的学习

房屋价格预测 使用线性回归和梯度提升回归来预测房价 可以在以下找到该教程和代码的书面说明 谢谢

线性回归模型预测房价 该笔记本创建了线性回归模型来预测房价。 数据取自Ames Housing数据集，该数据集由Dean De Cock为数据科学进行了编译。 数据集由1,460行和81列组成。 SalePrice是回归模型的因变量。 确定数据集中的自变量与SalePrice之间的相关系数后，为模型选择了5个自变量： 综合质量-综合质量 GrLivArea-地上生活区 车库面积-车库面积 TotalBsmtSF-地下室总平方英尺 建造年份-施工年份 将数据分为训练和测试数据集后，使用sklearn.linear_model.LinearRegression拟合线性模型。 该模型的R平方值为0.838。

用matlab编写的BP神经网络用于预测房价的一个程序。在人工神经网络的实际应用中, 大多数的人工神经网络模型是采用前馈反向传播网络 ( Back- Propagation Net work , 简称 BP网络 )或它的变化形式。它是前向网络的核心, 体现了人工神经网络最精华的部分。近年来 MATLAB因 其编程效率高, 易学易懂, 被广泛应用。比如BP神经网络已被广泛应用在非线性建摸、函数逼近、系统辨识等诸多方面, 但对实际问题, 其模型结构需由实验数据确定, 无规律可寻。本文引用了历年浦东房价的已知数据，简要利用 MATLAB语言进行 BP网络建立、训练、仿真，通过训练的网络来预测下个月和下下个月的房价。简单以浦东房屋均价预测为例, 表明可以通过 MATLAB实现利用BP神经网络简单预测。

python源码集锦-多元线性回归模型预测房价

#多元线性回归预测房子的价格，构建一个房子价格的python模型。 ##ex1data2.txt中包含了房子价格的训练组。第一列是房子的尺寸（平方英尺），第二列是卧室的数量，第三列是房子的价格。