基于决策树算法对房价预测包含数据清洗等完整过程（包含数据集和代码）

好的，以下是基于决策树算法对房价预测的完整流程，包括数据清洗和特征工程。

首先，我们需要准备数据集。此处使用的是scikit-learn库自带的波士顿房价数据集。

from sklearn.datasets import load_boston
import pandas as pd

data = load_boston()
df = pd.DataFrame(data.data, columns=data.feature_names)
df['price'] = data.target

接着，我们进行数据清洗，查看数据是否存在缺失值和异常值。

# 查看数据是否存在缺失值
print(df.isnull().sum())

# 查看数据是否存在异常值
for feature in df.columns:
    q1 = df[feature].quantile(0.25)
    q3 = df[feature].quantile(0.75)
    iqr = q3 - q1
    outlier_min = q1 - 1.5 * iqr
    outlier_max = q3 + 1.5 * iqr
    outliers = df[(df[feature] < outlier_min) | (df[feature] > outlier_max)]
    print(f"{feature}: {outliers.shape[0]}")

经过查看，我们发现数据集中不存在缺失值和异常值。

接着，我们进行特征工程，从数据集中选择合适的特征，并进行特征缩放。

from sklearn.preprocessing import StandardScaler

# 选择合适的特征
X = df[['RM', 'LSTAT', 'PTRATIO']]

# 进行特征缩放
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
y = df['price']

最后，我们使用sklearn库中的DecisionTreeRegressor类建立决策树模型，并训练模型：

from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 建立决策树模型并训练
model = DecisionTreeRegressor(max_depth=5)
model.fit(X_train, y_train)

最后，我们使用测试集进行模型评估：

from sklearn.metrics import mean_squared_error

y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("MSE:", mse)

完整代码如下：

from sklearn.datasets import load_boston
import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 准备数据集
data = load_boston()
df = pd.DataFrame(data.data, columns=data.feature_names)
df['price'] = data.target

# 数据清洗
print(df.isnull().sum())
for feature in df.columns:
    q1 = df[feature].quantile(0.25)
    q3 = df[feature].quantile(0.75)
    iqr = q3 - q1
    outlier_min = q1 - 1.5 * iqr
    outlier_max = q3 + 1.5 * iqr
    outliers = df[(df[feature] < outlier_min) | (df[feature] > outlier_max)]
    print(f"{feature}: {outliers.shape[0]}")

# 特征工程
X = df[['RM', 'LSTAT', 'PTRATIO']]
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
y = df['price']

# 建立决策树模型并训练
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)
model = DecisionTreeRegressor(max_depth=5)
model.fit(X_train, y_train)

# 模型评估
y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print("MSE:", mse)

希望能对你有所帮助！