飞桨教学中关于 "波士顿房价预测任务" 的指标困惑
收藏
文章地址: https://www.paddlepaddle.org.cn/tutorials/projectdetail/2496128
里面罗列 13个影响房屋价格的关键因子，其中对于某些指标对于房价因果关系不是很清楚，或者完全是不明所以, 希望可以有人可以帮忙指导下.
| 指标 | 相关性 | 我的理解（猜测） | 困惑 |
| 该镇的人均犯罪率 | 反比 | 犯罪人少，说明比较人民安居乐业，价格就会高 | |
| 占地面积超过 25 平方英尺的住宅用地比例 | ? | ? | 25 平方英尺 ≈ 2.33 平方米，那能住个鬼人, 为啥要大于该值？ |
| 非零售商业用地比例 | 反比 | 该值越高证明大多说为企业，说明大多数人不是在此处购买房子，所以价格应该低 | |
| 是否临近河流 | 正比 | 靠近的话意味是休闲好去处，因而想要居住的人比较多，所以价格会高 | |
| 一氧化碳浓度 | ? | 说明汽车比较多，但是能说明啥，多的话可能在上班，也可能在家呀。 | |
| 每栋房屋的平均客房数 | 正比 | 人越多说明租不起房子,所以房价会高 | |
| 1940年之前建成的自用单位比例 | ? | 是什么原因以这个分割线？ 自用单位是指什么意思，想说明越高后面大家就不想买房，所以价格会低吗? | |
| 到波士顿5个就业中心的加权距离 | 反比 | 交通便利,价格高 | |
| 到径向公路的可达性指标 | ? | 径向公路是什么意思，也是在描述交通问题吗 | |
| 全值财产税率 | ? | 不懂，税率高代表啥意思 | |
| 学生与教师比例 | 反比 | 老师资源越多，价格就会高，学区房呗 | |
| 1000(BK - 0.63)^2，其中BK为黑人占比 | ? | 黑人占比越高，说明穷？ 成反比吗? 另外 0.63 和 1000 是什么出处 | |
| 低收入人群占比 | 反比 | 越穷,房价越低 |
再次希望各位可以回答解决在下的问题，不胜感激
0
收藏
请登录后评论
en 首先，理解数据确实能设计更好的模型，它那个应该是25000平方英尺。很多属性并不能根据直观判定，确定是正比还是反比，在线性回归中，要根据最后的模型来确定。
我的意思是，设计模型时要更关注与数据本身的特点，这些都是当初设计数据集的人做出来的特征，他认为这些和房价有关系，我们不一定认为有关系。
你可以根据理解做自己的特征，比如人均犯罪率乘以人数，也许能提高模型精度。
这仅仅是一个示例的数据集，不用太严格的分析他的各个参数的意义。
PS：项目求Fork https://aistudio.baidu.com/paddle/forum/topic/show/993503
非常感谢您的回复，关于 "设计模型时要更关注与数据本身的特点，这些都是当初设计数据集的人做出来的特征，他认为这些和房价有关系，我们不一定认为有关系" 这句话我能理解，只是我提出困惑的初心是因为他是怎么能找出 13个特征，并且有理由相信这些有关系，是以什么讨论和章法吗，希望可以能过大佬们的解答让我管中窥豹，对自己想做一些算法的时候可以高效的选择特征，而不是大海捞针，因为有一些特征是需要埋点，存在工程上的问题。
关于 示例数据集，我是看题者说 "波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“Hello World”"，我就理解为是圣经一般的东西，意味就是逻辑严谨，方便理解，设计精妙的特点，所以我想这些特征肯定是某种程度是精心筛选出来的，所以就反馈该问题，让我这个门外汉在各位面前贻笑大方了，还请大家理解下，不知者无罪，不好意思。
其实我们做特征经常几百个，然后再筛选，他只是挑了13个实际意义比较明显的。最简单的，你可以通过训练xgboost这类模型查看特征的重要程度，然后从头部选择一些好理解的特征。你可以试着只用一部分特征训练模型，也许比都用效果要更好。
所以他拿到的数据，可能是波士顿地区的人口分布，波士顿地区的犯罪比率等许多的数据。然后他自己通过理解制作一些特征，然后筛选出一些具有明确意义的，模型上也比较好的，就成了我们现在看到的数据集。
没关系，刚开始遇到任何问题都很正常。
PS：项目求Fork https://aistudio.baidu.com/paddle/forum/topic/show/993503
我也写过一个波士顿房价的项目，你可以点进我首页看看，有一些做特征的操作。