在这个例子中，我们将学习如何创建和部署预测模型，这有助于使用python脚本预测房价.用于部署预测系统的重要框架包括Anaconda和"Jupyter Notebook".
按照以下步骤部署预测系统 :
第1步 : 实现以下代码以将csv文件中的值转换为关联值.
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()上面的代码生成以下输出 :
第2步 : 执行describe函数以获取csv文件属性中包含的数据类型.
data.describe()
步骤3 : 我们可以根据我们创建的预测模型的部署删除相关值.
train1 = data.drop(['id', 'price'],axis=1) train1.head()
第4步 : 您可以根据记录可视化数据.该数据可用于数据科学分析和白皮书输出.
data.floors.value_counts().plot(kind='bar')
