使用 scikit-Learn 作为乘法分类模型

Question

我有一个数据集（租金价格与卧室和邻里的数量）。

我想将租金价格建模为基本价格的乘法，与卧室数量相关的标量和与邻里相关的标量。

例如，对于梅费尔的 2 张床，可能是 R = $100*1.2*1.5

从数学上讲，我想这看起来像：租金价格 = 基数*（a1B1+a2B2+a3B3...）*（k1N1+k2N2+...）

其中 B2 是二进制变量，如果房产有 2 间卧室，则为 1，否则为 0; 在上面的例子中，a2 将是 1.2;N1 是一个二进制变量，如果属性位于"邻域 1"中，则为 1，依此类推。

scikit-learn可以帮助建模这样的事情吗？我可以对变量的线性组合进行建模：

价格 = a1B1 +

a2B2 + ... + k1N1 + k2N2

但是我看不到任何方法可以对乘法模型进行建模，也看不到任何将具有分类变量的乘法模型转换为线性模型的方法。

Answer 1

这是一个简单的线性回归问题。房价回归是线性回归最著名的用例。您可以导入它：

from sklearn.linear_model import LinearRegression
linear_model = LinearRegression()
linear_model.fit(X_training, y_training)
# Where X = features that you can provide in a dataframe or numpy matrix
# y = House prices
prices = linear_model.predict(X_test)
# ^Gives the prediction for the prices