The following notebook presents a t

The following notebook presents a thought process of predicting a continuous variable through Machine Learning methods. More specifically, we want to predict house prices based on multiple features using regression analysis.
As an example, we will use a dataset of house sales in King County, where Seattle is located.
In the first part of the analysis, we set up the context using map visualization, and highlighted the association between the variables in our dataset.
This is, for example, a map of King County showing the average house price per zipcode. We can see the disparities between the different zipcodes. The location of the houses should play an important role in our regression model.

ผลลัพธ์ (ไทย) 1:

โน้ตต่อไปนี้นำเสนอเป็นกระบวนการคิดของการทำนายตัวแปรต่อเนื่องผ่านวิธีการเรียนรู้ของเครื่อง โดยเฉพาะอย่างยิ่ง เราต้องการทำนายราคาบ้านอิงหลายคุณลักษณะโดยใช้การวิเคราะห์การถดถอยตัวอย่างเช่น เราจะใช้เป็นชุดข้อมูลของการขายบ้านใน King County ซึ่งเป็นที่ตั้งของซีแอตเทิลในส่วนแรกของการวิเคราะห์ เราตั้งค่าบริบทที่ใช้แสดงภาพแผนที่ และเน้นความสัมพันธ์ระหว่างตัวแปรในชุดข้อมูลของเราอยู่ เช่น แผนที่ของมลรัฐแสดงราคาบ้านเฉลี่ยต่อรหัสไปรษณีย์ เราสามารถเห็นความแตกต่างระหว่าง zipcodes แตกต่างกัน ตำแหน่งที่ตั้งของบ้านควรมีบทบาทสำคัญในแบบจำลองถดถอยของเรา

ผลลัพธ์ (ไทย) 2:

โน๊ตบุ๊คดังต่อไปนี้นำเสนอกระบวนการคิดในการคาดการณ์ตัวแปรอย่างต่อเนื่องผ่านวิธีการเรียนรู้ของเครื่อง โดยเฉพาะอย่างยิ่งเราต้องการที่จะคาดการณ์ราคาบ้านขึ้นอยู่กับคุณสมบัติต่างๆโดยใช้การวิเคราะห์การถดถอย
เป็นตัวอย่างที่เราจะใช้ชุดข้อมูลที่ได้จากการขายบ้านในคิงเคาน์ตี้ที่ซีแอตเติตั้งอยู่
ในส่วนแรกของการวิเคราะห์เราตั้งบริบทโดยใช้การสร้างภาพแผนที่และไฮไลต์ความสัมพันธ์ระหว่างตัวแปรในชุดข้อมูลของเรา
นี่คือตัวอย่างเช่นแผนที่คิงเคาน์ตี้แสดงราคาบ้านเฉลี่ยต่อรหัสไปรษณีย์ เราสามารถมองเห็นความแตกต่างระหว่าง zipcodes ที่แตกต่างกัน สถานที่ตั้งของบ้านที่ควรมีบทบาทสำคัญในรูปแบบการถดถอยของเรา

ผลลัพธ์ (ไทย) 3:

ต่อไปนี้โน้ตบุ๊คแสดงกระบวนการคิดของทำนายตัวแปรอย่างต่อเนื่องผ่านเครื่องการเรียนรู้วิธีการ มากขึ้นโดยเฉพาะ เราต้องการที่จะคาดเดาราคาบ้านขึ้นอยู่กับคุณสมบัติต่างๆโดยใช้การวิเคราะห์การถดถอยเป็นตัวอย่าง เราจะใช้ข้อมูลการขายบ้านในคิงเคาน์ตี้ที่ Seattle ตั้งอยู่ในส่วนแรกของการวิเคราะห์ เราตั้งค่าบริบท ใช้แสดงแผนที่ และเน้นความสัมพันธ์ระหว่างตัวแปรใน DataSet ของเรานี้คือ ตัวอย่าง ของกษัตริย์เมืองแสดงแผนที่บ้านเฉลี่ยราคาต่อ รหัสไปรษณีย์ . เราสามารถเห็นความแตกต่างระหว่าง zipcodes แตกต่างกัน ตำแหน่งของบ้านที่ควรมีบทบาทในตัวแบบการถดถอยของเรา