kaggle题-房价预测(Pytorch)，手把手教，全文代码解释

房价预测

本题是经典的通过表格数据去预测最终值，主要分为几大步骤：
一.将数据集修改为可以代入到网络模型的数字，因为给的数据大部分都是str类型，是无法直接放到网络模型里跑的，例如下图，很多标签值为str类型，并不是数字，那么解决办法就是将这些标签分类，强制让其变为数字类型

二.创建神经网络模型

三.训练网络，最终预测测试集

一.数据集制作和修改（数据的预处理）

对于表格数据集来说，无非就两个操作，1.将标签值为str字符型的变为float类型，2.将标签值为数字的标准化。

分析题目给的train_csv文件中标签值

发现第一个标签Id对于预测没用，那么在制作数据的时候首先需要去除第一个标签数据，可以使用.drop[‘id’]，也可以用 iloc() 函数去除，直接筛选从第二个标签开始的值。

将train_csv文件拉到最后，发现最后一个标签值为SalePrice售价，我们本题要做的就是去预测售价，那么在train_csv文件中最后一个标签SalePrice就是我们训练集的label，因此在制作数据集时候，也不能要SalePrice标签，而前面除了Id的所有标签值就是我们训练集的数据，这个房子的各种属性值，比如房子修建时间，面积，或者是否挨着街道等，去用这些数据去预测它的房价。

import pandas                          #表格处理库
import torch                           #框架#读取数据
train_csv=pd.read_csv('/kaggle/input/house-prices-advanced-regression-techniques/train.csv')        
test_csv=pd.read_csv('/kaggle/input/house-prices-advanced-regression-techniques/test.csv')#重点：神经网络去训练数据必须都是Tensor张量模型,iloc将标签值分裂出来,转出来的数据类型为float32，
#因为要统一数据类型，训练集数据也要转为float32，float会提高预测精度，直接读出数据为一维，而训练
#集的数据为二维，所以用reshape将label数据变为二维
train_label=torch.tensor(train_csv.iloc[:,-1],dtype=torch.float32).reshape(-1,1)