LightGBMによるカリフォルニアの住宅価格予測 - Qiita

目次 1.はじめに 2.データセット 3.データの中身を確認 4.データの特徴を読み取る 5.機械学習の実装 6.ベストスコアと各モデルの結果を比較 7.予測 8.まとめ 9.参考文献 1.はじめに 現在オンラインスクール受講中のデータ分析初学者が、 LightGBMや線形重回帰など様々なモデルを使い、カリフォルニア州の住宅価格予測を実装してみました。 環境 Macbook pro python3.8 Google Colabo 2.データセット まず、sklearn.datasets.fetch_california_housing()関数を呼び出します。戻り値として辞書オブジェクトを返します。その配下のdataにデータが、targetにラベルが、feature_namesに特徴名が、関数の引数にas_frame=Trueを含めた場合はframeに全9列のpandasデータフレーム（※t