Inspecting the model coefficients learned

sqft_model.get('coefficients')

我們可以從之前的模型去得到這些係數(權重)

• 截距：直線與x相交的地方
• 斜率：單位面積的價格，每一平方要花多少錢

Exploring other features of the data

我們已經做了一些簡單的回歸，如果你還記得，其實先前的資料還有許多的特徵

#將要新增的特徵，新增到list當中
my_features = ['bedrooms','bathrooms','sqft_living','sqft_lot','floors','zipcode']
sales[my_features].show

我們可以輕易地從中得知一些訊息

• 大部份的房子都是三間臥室
• 至於浴室在美國有個有特殊的規定，如果是套房的浴室算1個、不在套房內的(不含淋浴設備)算0.5個、如果是不再套房內的浴室(有淋浴沒浴缸)算0.75個(到底是三小= =)
• 大部份房子都是一層樓

接下來我想對某些特徵做出對應的視覺化

#BoxWhisker Plot將會顯示兩個特徵之間的關係
#我想看看門牌與價格的關聯(我曾聽說掛上中正區的門牌50萬起跳、明明萬華就在隔壁)
sales.show(view='BoxWhisker Plot',x='zipcode',y='price')

我們可以看到zipcode中98039的價格非常的誇張，記住這個數字，接下來將會揭曉

Learning a model to predict house prices from more features

上面舉了一個郵政區號對價格的影響，但是這正確嗎?照理說臥室數量、衛浴數量也會對價格產生影響吧?

所以我們必須新增更多的特徵嗎?為了要驗證這件事情，我們只要在新增一個回歸把我們的特徵通通加進去在做比較即可

my_features_model = graphlab.linear_regression.create(train_data,target='price',features=my_features)

接著同樣衡量模型的結果

print sqft_model.evaluate(test_data)
# {'max_error': 4142275.367360657, 'rmse': 255188.09204898693}
print my_features_model.evaluate(test_data)
# {'max_error': 3500449.806693536, 'rmse': 179356.3725536438}

只取坪數大小為特徵的最大誤差約為400萬，而加入我選定的特徵最大的愈差約為350萬

方均根差從255000下降到179000，顯而易見的是加入更多資料可以降低更多的誤差率

Applying learned models to predict price of an average house

接下來讓我們使用我們的模型來實際的預測我們的房價，我們從訓練集中隨意擷取一間房子

house1 = sales[sales['id'] == '5309101200']
# price:620000

接著間兩個模型都代入

print sqft_model.predict(house1)
# [630004.8234759354]
print my_features_model.predict(house1)
# [720058.291038626]

從結果來看未必增加越多特徵可以得到接近正確數字的解，有時候針對某些特定的房子，簡單的模型反而會表現得比複雜的模型好

不過一般情況下，越多特徵其表現應該是越精確的

Applying learned models to predict price of two fancy houses

house2 = sales[sales['id'] == '1925069082']
# price:2200000

這間房在2015-05-11被售出，4640平方公尺，遠比之前那間大很多

print sqft_model.predict(house2)
[1261846.2617304123]

print my_features_model.predict(house2)
# [720058.291038626]
[1451243.0229620067]

這次的結果顯示了，就比較合乎預期，模型2的預測比模型1來的優秀，但是即便如此還是離現實中有一段差距

在課程中教授揭露了這間房子是位於海邊的度假房

所以可以想見

即便你增加了更多的特徵，還是可能因為缺少關鍵特徵而使得預測結果離真實數據有極大誤差

後記

感謝我的同伴提供了此等神物給我，讓我不用在用語法畫到手斷掉XD

markdown table editor 顧名思義，幫你自動產生語法表格的好物

接下來同樣會順著課程繼續往下做，我猜這門課應該到20天左右我就能跟完

最近上班都忙到比較晚(太遜)，導致寫出來稿的品質都很差QQ

不過接下來會有比較長的假期，還好是單身狗，所以我會努力利用假期，讓文章品質越來越好的(握拳)

Reference:

• Machine Learning Foundations: A Case Study Approach 華盛頓大學在 coursera 上的公開課程，為本筆記追蹤的主要素材