波士顿房价数据，练手变量选择

scikit-learn，简称sklearn，一个强大的Python机器学习库，本代码的“加州房价预测”实验是一个线性回归模型，包含已经运行过的jupyter notebook的.ipynb文件和数据集.csv文件，放到jupyter notebook根目录下即可打开或者运行。

Boston_Predict 波士顿房价预测，决策树

大连房价预测.ipynb

房地产投资兼具消费性和投资性的双重性质，房价的变化也会受到这两方面的联合影响。本文选取上海房价作为研究对象，通过构建GARCH模型族，发现房价在显著地ARCH效应，而影响房价的变量只有居民收入和房地产投资是显著的。通过对GARCH模型进行参数估计得出的模型具体形式可以对房价进行短期预测。

用于线性回归分析的数据表波士顿房价housing.csv

文章概要 这是一个比较简单的爬虫项目，但是牵扯到一些python的基础知识，所以如果你是零基础的同学，也不用着急，先对爬虫有一个初步的认识，培养一个爬虫的正确思路是最重要的 网站地址：https://news.house.qq.com/a/20170702/003985.htm 要用到的模块： requests：请求网站，获取网站的请求 bs4,re:解析网站，解析出你想要爬取的内容 xlwt：保存爬取下来的数据，对excel表格进行操作 开始撸代码 1.先把刚才安装的模块导入进来 import requests import bs4 import re import xlwt 2.自定义

其中包含训练集和测试集，供大家学习使用

爬取58同城、赶集网、链家、安居客、我爱我家网站的房价交易数据，放假分析以及预测

包含Kaggle比赛：房价预测数据集，实战的介绍文档及预测结果。 房价预测数据集分为训练数据集和测试数据集。两个数据集都包括每栋房子的特征，如街道类型、建造年份、房顶类型、地下室状况等特征值。这些特征值有连续的数字、离散的标签甚至是缺失值“na”。只有训练数据集包括了每栋房子的价格，也就是标签。