用python预测房产的平均价格

Question

我需要预测建筑面积在200到300平方米之间的房产的平均价格。以及2018年1月、2月、3月、4月和5月的海景**。使用python或R。问题是，我有一个用逗号分隔的视图的变体，海景的变体是这样的（变体：'海景'，'海景'，'海景'，'海景'，'水景'，'海滩景观'，'临海'，'湖景'，'整个海湾'，'海景'，'海湾'，'海湾景观'，'海上'，）

另一点是，一个楼盘的价格在一年内就改变了3倍。我试着用时间序列来建模。但我必须重新考虑一下。有谁能给我一些建议来解决这个问题吗

Answer 1

我建议使用以下特性

• 面积
• 月份作为分类特征（一月=1，二月=2，等等）
• 将“海景”栏矢量化的一种语言技巧

我建议这样做是因为海景显然比湖景更令人向往。与海景相比，海滩景色也可能不太好，因为它会吸引人群。因此，不能假定这些都是相同的。我猜人们对他们的属性的描述会略有不同，尽管他们的意思是一样的

克

n-grams是一种基于语言的数据特征提取技术。它将字符串分段，这样就可以找到词根，而忽略了动词结尾、复数等

分段工作如下：

字符串：你好世界

2克：“He”，“el”，“ll”，“lo”，“o”，“W”，“Wo”，“or”，“rl”，“ld”
3克：“Hel”，“ell”，“llo”，“lo”，“o W”，“Wo”，“Wor”，“orl”，“rld”
4克：“地狱”，“埃洛”，“洛”，“洛W”，“奥Wo”，“Wor”，“Worl”，“世界”

字里行间

例如，如果您的训练数据只包含以下单词{beach、sea、view、lake、park、garbage、dump}，则会创建一个单词字典。然后你将创建包含每个单词出现频率的向量。然后你将训练这个模型，模型将学习哪些词最能描述你的输出分布

然后在将来，你以同样的方式将单词矢量化并通过模型传递它们，你将得到你想要的输出