动手学深度学习课程竞赛：加州2020年房价预测

课程地址：课程竞赛：加州2020年房价预测_哔哩哔哩_bilibili

竞赛地址：California House Prices | Kaggle

李沐老师官方答案：10行代码战胜90%数据科学家？_哔哩哔哩_bilibili

 Kaggle竞赛-2020年加州房价预测

李沐老师2020年加州房价数据太大，按4.10节教材中的方法来训练，调参消耗巨大时间，故改用automl（autogluon）进行训练和预测。

# 解压data
import zipfile
import os

def unzip_file(zip_file, extract_dir):
    with zipfile.ZipFile(zip_file, 'r') as zip_ref:
        zip_ref.extractall(extract_dir)
    os.remove(zip_file)

unzip_file('train.csv.zip', '/home/NAS/HUIDA/YaqinJiang/my')
unzip_file('test.csv.zip', '/home/NAS/HUIDA/YaqinJiang/my')

#训练
from autogluon.tabular import TabularDataset, TabularPredictor
import numpy as np
import pandas as pd

train_data = TabularDataset(r".../my/train.csv")
# 对于数值变化较大的列取log值处理
large_val_cols = ['Lot', 'Total interior livable area', 
                  'Tax assessed value', 'Annual tax amount', 
                  'Listed Price', 'Last Sold Price']
for col in large_val_cols + ['Sold Price']:
    train_data[col] = np.log(train_data[col] + 1)
# 删去Id列和State列（因为都是加州）
predictor = TabularPredictor(label='Sold Price').fit(
    train_data.drop(columns=['Id', 'State']))

# 预测
test_data = TabularDataset(r".../my/test.csv")
for col in large_val_cols:
    test_data[col] = np.log(test_data[col] + 1)
preds = predictor.predict(test_data.drop(columns=['Id', 'State']))
submission = pd.DataFrame({'Id':test_data['Id'], 'Sold Price':np.exp(preds)-1})
submission.to_csv('submission_automl.csv',index=False)

提交Kaggle后，Private score为0.12561，Public score为0.13845；Private score接近但是没有超过李沐老师的baseline（0.12502），Public score略微超过李沐老师的baseline（0.13911）。