房地产是促进我国经济持续增长的基础性、主导性产业，二手房市场是我国房地产市场不可或缺的组成部分。由于二手房的特殊性，目前市场上实时监测二手房市场房价涨幅的情况较少，影响二手房价的因素错综复杂，价格并非呈传统的线性变化。
本项目利用Python实现某一城市二手房相关信息的爬取，并对爬取的原始数据进行数据清洗，存储到数据库中，通过 flask 搭建后台，分析影响二手房房价的各类因素，并构建递归决策树模型，实现房价预测建模。
2023-12-16 22:08:54
58B
1
Deep Learning to predict the house-prices given a few attributes about the house.
Would be using Keras and scikit-learn!。
数据集共14列，前13列是输入，第十四列是输出即需要预测的值
2023-11-03 11:57:10
48KB
1
本数据集为机器学习算法学习和模型验证的典型数据集，可用作机器学习回归问题的分析验证
2022-11-05 20:07:04
14KB
1
回归算法用数据集，加利福尼亚房价预测，longitude，latitude，housingMedianAge，totalRooms，totalBedrooms ，population，households，medianIncome，edianHouseValue几列，20641行数据，数据标准，适合模型训练。
2022-07-30 09:08:14
1.98MB
1