Развертывание системы прогнозирования

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 -

Выше кода генерирует

Шаг 2 - Выполните функцию description, чтобы получить типы данных, включенные в атрибуты файлов csv.

data.describe()
Опишите функцию

Шаг 3 - Мы можем отбросить связанные значения на основе развертывания прогнозной модели, которую мы создали.

train1 = data.drop(['id', 'price'],axis=1)
train1.head()
Связанные ценности

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')

Анализ данных науки