case_study_week_5:回归案例研究 源码

预测重型机械拍卖价格 线性回归案例研究 目录 客观的 创建线性回归模型以根据历史记录预测重型机械的销售价格 团队合作 通过了一对编程工作流程: 一个团队成员轮流在jupyter笔记本中编写脚本, 一位团队成员将nb脚本转换为.py文件中的函数, 一名团队成员实时更新,编辑减价。 定期更换角色,以确保每个人都在项目的每个维度上都有意见。 数据 该数据集包含40万多个重型机械销售记录,每个记录都有其自己的唯一SaleID。 下面列出了一些注意事项: 栏名 dtype 描述 销售价格 整型 机器出售的价格; 将成为回归模型的目标 型号 整型 标识机器型号的标识符; 绝对的 年制 整型 机器制造的年份 发售日期 对象 机器的销售日期 状态 对象 出售机器的美国州 Drive_System 对象 许多类似的列之一,其中包含对计算机某些功能的分类 原始数据包含很高百分比的缺失值。 下面是