悉尼大学BUSS6002Assignment1课程作业分析题意：处理房价数据，建立模型预测房价分析：1）用计算机处理数据，需要找出可能不合理或错误的项目存在于数据中并加以论证，解释变量之间的关系。2)回答下列问题：如果要建立房价回归模型，是否应包括截取项；多变量是否是数据集中的潜在问题；如果只能使用三个变量，那三个变量最能预测房价；建立了由这三个变量组成的回归模型。3)对得到的模型进行标定；解释选择使用EDA的意义，并展示结果；比较新旧模型，解释为什么要用校正系数来比较模型；解释为什么新模型是合理的。4）讲解如何用科学的数据处理进行建模和评价，并选择一个过程模型作答；如果另一家公司考虑在某个地方投资，请说明获得的模型是否可以选择另一个地方。对您获得的任何结果进行完整解释和解释的最终报告。没有解释的输出将获得零分。您还需要提交可以重现报告结果的代码，因为可重现性是数据科学的关键组成部分。不提交您的代码将导致50%的作业标记丢失。请注意，个人之间的剽窃对于作业标记来说总是显而易见的，并且可以很容易地被Turnitin检测到。作业的呈现是作业的一部分。您的报告展示和代码提交将有10分。报告不应超过10页，包括文本、图形、表格、插入代码的小部分等。考虑最好和最结构化的方式来展示您的工作，总结实施的程序，支持您的结果/发现并证明您工作的原创性。您将提供您的代码作为单独提交给报告;但是，您可以在必要时在报告中插入一小段代码。您的代码提交没有长度限制，但是代码演示会分配标记，因此请尽可能使您的代码简洁，并在必要时添加注释以解释您的逻辑和目的每个代码段。确保删除任何不必要的代码，并确保您的代码可以无错运行。带小数点的数字应报告到第三个小数点。项目描述和数据集假设您是一家房地产投资公司的数据科学家。该公司正在评估在美国投资住房重建的地点。为此，该公司已确定西雅图的几个潜在地点来购买现有房屋，这些房屋将被拆除以便为重建腾出空间。为了估算所涉及的成本，该公司需要了解其需要购买的房屋的当前市场价值se。你正在从事一个旨在建立模型来估算房价的项目。西雅图的评估部门自2014年以来一直在收集有关房屋销售价格和每所售出房屋特征的数据。您已获得原始数据库“house.db”的副本（一个SQLite文件）以及数据字典文件“house_dict.txt”的访问权限。您可以从BUSS6002Canvas站点下载数据集和详细的数据集描述。提示：要列出数据库中的所有表，您可以使用以下查询SELECTnameFROMsqlite_masterWHEREtype='table'ORDERBYname;Task1Tostartyouranalysis,youwish执行全面的EDA以帮助您更好地理解给定的数据集。您在此任务中获得的结果将用于告知您的建模选择。要求：a。检查并处理给定数据集中的任何缺失数据（如果有的话）。b。寻找并删除任何可能会影响的潜在异常值（如果有的话）等你的造型。证明你的答案是正确的。通过适当的绘图可视化解释变量和目标变量之间的关系。报告你的分析和发现。任务2假设你现在想建立一个原型模型来预测房屋销售价格，这将被展示给更广泛的团队。因此，它需要让非专家容易理解，这意味着您只能使用模型中的几个变量作为起点。为了对您的建模选择做出明智的决定，您需要回答以下问题：a。假设您想建立一个线性回归模型来预测房屋销售价格，您是否希望在您的模型中包含一个截距项？仔细解释你的答案。你认为多重共线性可能是给定数据集的潜在问题吗？使用你对变量的理解来证明你的答案是正确的，并使用适当的数值测量来验证你的假设。解释你的决定根据您的发现继续进行。如果你只想用三个变量来预测房价，你会选择哪三个变量？仔细论证你的选择并解释你的选择标准。d．使用您选择的三个变量构建线性回归模型（使用原始变量，即未设计的变量用于此任务）。报告和解释你的回归结果。执行残差诊断以衡量拟合优度。报告您的发现。任务3到目前为止，您构建的模型提供了房价的近似估算。但是，要准确估算重建计划的成本，您必须能够尽可能准确地估算房价。您现在的目标是改进您的模型尽可能多地通过特征工程和特征选择。您可以考虑所有变量并根据需要对变量应用适当的转换。要求：a。你的模型应该有一个最小的调整dR平方为75%。如果您的模型无法达到75%的调整R平方，请报告您可以获得的最佳模型。使用EDA证明您选择的特征工程策略并展示您的结果。将您的新模型与您在任务2中构建的模型的AdjustedR-Squared进行比较。解释为什么你应该在这里使用AdjustedR-Squared来比较两个模型。提供残差分析来证明为什么你的新模型更合理。任务4假设你已经完成了你的分析，现在你需要向你的经理报告并反思你在你的项目中试验了什么：a。根据您对前三个问题的回答，反映您如何利用数据科学过程模型进行建模和模型评估。只选择一种进程模型（CRISP-DM或SnailShell）来回答这个问题。解释问题的每个部分如何与流程模型的不同阶段保持一致.b.该公司也在考虑在其他地点进行重建项目。请评论您构建的模型是否可以应用于其他地点。证明你的答案。
