House Prices：第一次提交Top 11%
Kaggle上的第二个入门赛House Prices，这次没有直接复制教程，找了个半截的例子逐步完善，第一次提交居然拿到了11%
竞赛地址：House Prices - Advanced Regression Techniques
教程地址就不贴了，百度随便搜了一个，做了一半发现代码不全，比较坑人，正好可以深入了解一下，这么简单的例子自己应该可以独立完成吧？
其实过程很简单，总结一下就是下面几部分：
- 了解分析数据，也就是EDA的过程，这个竞赛的数据有81个属性，看了很多入门的例子，重点都会在这个阶段，会详细介绍如何分析这些属性。
- 补全空值
- 生成训练和预测的输入数据
- 选择模型进行预测
- 保存结果，提交
下面做一些简单的说明，代码比较简单，具体可以参加notebook：House Prices: First commit got 11%
一开始查看一下输入文件，如果打算在本地运行，这里可以判断一下是否kangle的环境，然后设置一下文件名，在kangle的notebook，输入文件的路径是这样的：
/kaggle/input/house-prices-advanced-regression-techniques/sample_submission.csv
/kaggle/input/house-prices-advanced-regression-techniques/data_description.txt
/kaggle/input/house-prices-advanced-regression-techniques/train.csv
/kaggle/input/house-prices-advanced-regression-techniques/test.csv
然后读入文件：
file_train_in = '/kaggle/input/house-prices-advanced-regression-techniques/train.csv'
file_test_in = '/kaggle/input/house-prices-advanced-regression-techniques/test.csv'
train = pd.read_csv(file_train_in)
test = pd.read_csv(file_test_in)
train数据集有1460行，81列，notebook中后面有比较大的篇幅是分析这些数据，这里就略去了，放一张所有特征直方图汇总的截图，分析数据的时候直方图还是比较有用的：
接下来补全空值，对于数值类型和字符类型处理不同：
str=train.select_dtypes("object")
for column in str:
train.fillna({column:train[column].mode()[0]}, inplace=True)
test.fillna({column:train[column].mode()[0]}, inplace=True)
num=train.select_dtypes(["float64","int64"]).drop("SalePrice",axis=1)
for column in num:
train.fillna({column:train[column].median()}, inplace=True)
test.fillna({column:train[column].median()}, inplace=True)
生成训练数据和特征
data=pd.get_dummies(train,columns=str.columns)
data_test=pd.get_dummies(test,columns=str.columns)
train_features = data.columns.difference(['SalePrice'])
test_features = data_test.columns.difference(['SalePrice'])
features = train_features.intersection(test_features)
target = 'SalePrice'
x = data[features]
y = data[target]
test_x = data_test[features]
categorical_features_indices = np.where(x.dtypes == 'object')[0]
训练和预测，用的是CatBoostRegressor模型，可以看到这一步挺简单的，直接用的单一模型，最后结果已经不错了。
model = CatBoostRegressor(verbose = False, loss_function='RMSE', cat_features=categorical_features_indices)
model.fit(x, y)
test_pred = model.predict(test_x)
保存和提交
test_id = test['Id']
submission = pd.DataFrame(test_id, columns = ['Id'])
submission['SalePrice'] = test_pred
submission.head()
submission.to_csv("submission.csv", index = False, header = True)
排名成绩
