В этом примере мы узнаем, как создать и развернуть прогностическую модель, которая помогает в прогнозировании цен на жилье с использованием скрипта Python. Важная структура, используемая для развертывания прогностической системы, включает Anaconda и Jupyter Notebook.
Выполните следующие действия для развертывания системы прогнозирования —
Шаг 1 — Реализуйте следующий код для преобразования значений из CSV-файлов в связанные значения.
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import mpl_toolkits
%matplotlib inline
data = pd.read_csv("kc_house_data.csv")
data.head()
Приведенный выше код генерирует следующий вывод —
Шаг 2 — Выполните функцию description, чтобы получить типы данных, включенные в атрибуты файлов csv.
data.describe()
Шаг 3 — Мы можем отбросить связанные значения на основе развертывания прогнозной модели, которую мы создали.
train1 = data.drop(['id', 'price'],axis=1) train1.head()
Шаг 4 — Вы можете визуализировать данные в соответствии с записями. Данные могут быть использованы для анализа данных науки и вывода технических документов.
data.floors.value_counts().plot(kind='bar')