西安房价在下个月内什么地方最值得买？——中篇

接“西安房价在下个月内什么地方最值得买？——上篇” 。上回我们说到选择对价格影响最大的特征。只说了房源的数据，这回我们接着说楼盘的数据。
第三步：选择对价格影响最大的特征 3.2 楼盘的处理
我们像上节一样先分析数据，然后用一些特殊的方法去选择特征。
3.2.1 均价的总体情况
sns.set(color_codes=True)sns.distplot(loupan['average'], fit=stats.t);fig = plt.figure()res = stats.probplot(loupan['average'], sparams=(10,0),dist=stats.t,plot=plt);

文章插图
我们还是观察和生成的图像：

文章插图
我们可以看出这个均价几乎完美符合t分布。但是很显然它线性拟合地不好：

文章插图
这里算出的偏度是：2. 。说明数据右偏，且不是很符合正态分布了（绝对值超过2 ，就不是正态分布了）。这也侧面证明了我们上面调参调出来的t分布的正确性。
峰度是：9. 。说明我们的分布比正态分布要陡峭。这一点从图中也能看出来。9.5左右不是很大，所以我们的数据相对集中，取得极端值的概率小。
【西安房价在下个月内什么地方最值得买？——中篇】在实际的问题中，数据一般都不会是线性的，非线性的居多，所以在后面我们建立模型来预测房价时，要建立非线性的模型。3.3 特征的选择
3.1节我们把影响房源总价的特征选出来了。现在我们不用画图，用一些特征选择的方法来选择影响楼盘均价的特征。因为一共有10几个特征，画图虽然直观但是速度不快。
一般提取特征有三种方法：
这里有一个基于鸢尾花数据集的特征选择的实例，感兴趣的小伙伴可以去看看。