一、实验题目
北京购房推荐指南
二、实验目的
通过数据集进行多维度分析，给出一定的结论，并有数据支撑
三、实验难点
分析维度与机器学习
四、实验过程（截图）
数据集介绍
URL,ID,经度，纬度，小区ID，交易时间，上市天数，关注人数，总价，每平米价格，面积，寝室，客厅，厨房，浴室，楼层，建筑类型，建楼时间，装修情况，建筑结构，梯户比，是否有电梯，是否满五年，是否临近地铁，地区，小区平均房价
1、在MaxCompute平台上建立数据表
2、导入数据
3、建立维度表以便使用QuickBI展示：
数据预处理：
建维度表：
4、为机器学习PAI测试SQL语句
5、QuickBI可视化展示
左上为观察数据集中，满5年的房屋数量，60%以上的数据为5年以上的房屋
右上为每个地区对房价的关注人数，可见朝阳地区对房价的关注人数最多（关注程度最高）
左下为地区对应房价的维度分析，可见西城和东城房价普遍偏高，房山房价偏低
右下为地区对应面积的维度分析，可见昌平/顺义的建房面积普遍较大
最上的表格表示了寝室数量和房价的对应关系（寝室数量越多房价越高）
左下展示了建筑类型和房价的对应关系，平方（四合院）平均房价最高，板楼平均房价最低
右下展示了住房面积和建筑类型的对应关系，板塔结合的类型住房面积最大。
上方表格显示了建筑结构和价格的对比，结果显示，砖木价格最贵，混合最便宜
左下展示了装修情况和面积的对比毛坯房面积最大，简装修面积最小
右下展示了建楼时间与面积的对应关系，可见1944年平均建楼面积最大,之后一直呈现下降趋势
6、机器学习PAI
预测通过给价钱分级，大于等于100，小于等于350的记为-1，大于等于350，小于等于750的记为0，其余的记为1使用逻辑回归算法，进行预测，本部分进行预测的是根据Livingroom的数量/装修情况/建楼时间//建筑面积/上市时间和关注人数预测这个房子的价格分级。
混淆矩阵
准确率/精确率
本部分使用了朴素贝叶斯/随机森林等算法模型，评分不是很理想，最终决定使用逻辑回归算法进行建模。
推荐结论：
若想找专业人士询问关于房子的相关问题，建议找朝阳人；
如果不在意地点的情况下，房山为房价最低的地区
如果对建筑面积有所需求，喜欢住面积大的房子，可以去昌平/顺义买房
板楼的住房面积位于第二大，同时板楼也是房价最低的楼型。
混合材料建筑价格最低，砖木建筑价格最高，可根据自身情况选择建筑材料。
