BabylonFushi/Sindian-Dataset

# 房地产价格预测 — 台湾新店 这是一个完整的端到端 Machine Learning pipeline，旨在使用 [UCI 房地产估值数据集](https://archive.ics.uci.edu/dataset/477/real+estate+valuation+data+set) 预测台湾新北市新店区住宅房产的单位面积价格（NTD/ping）。 ## 文件 - [Notebook](https://nbviewer.org/github/BabylonFushi/Sindian-Dataset/blob/main/.ipynb) - [演示文稿](https://canva.link/jdzyqvy05zdhny8) ## 项目概述 目标是构建一个稳健的回归模型，利用空间和结构特征预测房价，并从地理空间角度分析预测误差，以发现模型可能未捕捉到的模式。 该 pipeline 包含： - 直接从 UCI 仓库加载数据 - 探索性数据分析 (EDA) 和特征分布 - 使用 Mahalanobis 距离和 Isolation Forest 进行异常值检测 - 使用 VIF 进行多重共线性分析 - 使用 Scikit-learn Pipelines 进行特征工程和预处理 - 通过 k-fold 交叉验证对多个监督模型进行比较评估 - 使用 GridSearchCV 进行超参数调优的 Ensemble (VotingRegressor) - 使用 Folium 交互式地图进行地理空间残差分析 - 使用 DBSCAN 和 KMeans 进行空间聚类 ## 结果 | 模型 | R² (测试集) | MAE (测试集) | RMSE (测试集) | MAPE (测试集) | |---|---|---|---|---| | Linear Regression | 0.6546 | 5.76 | 7.86 | 15.51% | | Random Forest | 0.6698 | 5.88 | 7.68 | 15.24% | | Gradient Boosting | 0.7083 | 5.51 | 7.22 | 14.15% | | SVR | 0.6587 | 5.67 | 7.81 | 15.55% | | **Ensemble (Voting)** | **0.7122** | **5.32** | **7.17** | **14.24%** | ## 空间聚类地图 数据集中的房产使用 DBSCAN 和 KMeans 进行地理聚类，以识别区域内的自然分组。通过交互式地图，可以探索空间聚类与价格范围以及距离 MRT 车站远近之间的关系。  ## 地理空间残差地图 地图上的每个点代表测试集中的一处房产。颜色表示绝对预测误差： - **绿色**：误差 <= 7 NTD/ping - **橙色**：误差 8–13 NTD/ping - **红色**：误差 > 13 NTD/ping  ## 数据集 **UCI 房地产估值** — 台湾新北市新店区 (2012–2013) | 特征 | 描述 | |---|---| | 交易日期 | 销售年份（小数格式） | | 房屋年龄 | 房产年龄（年） | | 距 MRT 距离 | 距最近地铁站的距离（米） | | 商店数量 | 附近的便利店数量 | | 纬度 / 经度 | 地理坐标 | | **房屋单位面积价格** | 目标变量 (NTD/ping) | 共 414 条记录，全部为数值型，无缺失值。 ## 技术栈 Python 3.12 — Pandas, NumPy, Scikit-learn, SciPy, Statsmodels, Folium, Matplotlib, Seaborn ## 文件 | 文件 | 描述 | |---|---| | `notebook.ipynb` | 包含 Markdown 注释的完整 pipeline | | `mapa_residuos_ensemble.html` | 交互式地理空间残差地图 | | `mapa_clusters.html` | 交互式空间聚类地图 | | `requirements.txt` | Python 依赖项 | ## 作者 Rafael Sanchez Clavijo — [rasancla2001new@gmail.com](mailto:rasancla2001new@gmail.com) [LinkedIn](https://www.linkedin.com/in/rafael-sanchez-clavijo-3a75a6365) · [GitHub](https://github.com/BabylonFushi)

标签：Apex, 回归分析, 房价预测, 数据科学, 机器学习, 特征工程, 空间数据分析, 资源验证, 逆向工具