R语言租房市场分析（聚类、回归）
上一篇文章写了用R爬取租房数据以及做初步数据分析，这篇文章拿之前爬的数据，对房源进行分类以及探究影响租金的因素。
爬取的数据文末会附上链接。
文章目录
- 1 使用kmeans对房源数据进行聚类
- 1.1数据导入
- 1.2 数据预处理
- 1.3 判断最佳聚类个数
- 1.4 建立K-means模型
- 2 回归模型探究影响租金的因素
- 2.1 数据预处理
- 2.1.1 数值型数据：正态性检验
- 2.1.2 分类变量：转换为哑变量
- 2.2 建立线性回归模型
- 模型结论
1 使用kmeans对房源数据进行聚类
kmeans聚类是一种简单粗暴的无监督学习方法，通过点到中心点的距离的计算并反复迭代，可以将没有标签的数据集自动归类。
1.1数据导入
首先，导入数据，
house2 <- read.csv("house2.csv",stringAsFactor = T）
View(house2)
1.2 数据预处理
为了能用散点图（只有x和y两个坐标）更直观的看出聚类效果，这里就简单选取两个数值型变量：房源价格和面积做聚类。
df<-data.frame(price=house$price,area=house$area)
str(df)本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！