Kaggleの不動産価格の予測に参加してみた
ChatGPTtoNoteableを用いて不動産価格を予測するコンペに参加してきました。
今回も全てChatGPTを用いてデータの可視化から関数の作成を行います。
変数を日本語と対応させる
まずはどんなデータがあるのかを英語と日本語で対応させます。
特に専門用語が混じると途端に難しくなるので、注意して読み込ませます。
Id: ID（識別子）
MSSubClass: MSサブクラス（建物クラス）
MSZoning: MSゾーニング（一般的なゾーニング分類）
LotFrontage: ロットフロンテージ（物件に接続された通りの直線フィート）
LotArea: ロットエリア（ロットサイズ（平方フィート））
Street: ストリート（道路アクセスの種類）
Alley: アリー（路地）
LotShape: ロットシェイプ（物件の形状）
LandContour: ランドコントゥア（物件の平坦性）
Utilities: ユーティリティ（利用可能なユーティリティの種類）
LotConfig: ロットコンフィグ（ロットの設定）
LandSlope: ランドスロープ（物件の傾斜）
Neighborhood: ネイバーフッド（アメス市内の物理的な場所）
Condition1: コンディション1（主要道路または鉄道への近さ）
Condition2: コンディション2（主要道路または鉄道への近さ（もし2つある場合））
BldgType: ビルタイプ（住宅のタイプ）
HouseStyle: ハウススタイル（住宅のスタイル）
OverallQual: オーバーオールクオリティ（材料と仕上げの全体的な品質）
OverallCond: オーバーオールコンディション（全体的な状態評価）
YearBuilt: 年ビルト（建設日）
YearRemodAdd: 年リモデルアド（改装日）
RoofStyle: ルーフスタイル（屋根のタイプ）
RoofMatl: ルーフマトル（屋根材）
Exterior1st: エクステリア1st（家の外装）
Exterior2nd: エクステリア2nd（家の外装（もし2つある場合））
MasVnrType: マスブニアタイプ（石積みのベニヤのタイプ）
MasVnrArea: マスブニアエリア（石積みのベニヤの面積（平方フィート））
ExterQual: エクスタークオリティ（外装材の品質- ExterCond: エクスターコンド（外装材の現状）
Foundation: ファウンデーション（基礎のタイプ）
BsmtQual: ベースメントクオリティ（地下室の高さ）
BsmtCond: ベースメントコンディション（地下室の一般的な状態）
BsmtExposure: ベースメントエクスポージャー（ウォークアウトまたはガーデンレベルの地下室の壁）
BsmtFinType1: ベースメントフィニッシュタイプ1（地下室の完成エリアの品質）
BsmtFinSF1: ベースメントフィニッシュSF1（タイプ1完成平方フィート）
BsmtFinType2: ベースメントフィニッシュタイプ2（地下室の完成エリアの品質（もし2つある場合））
BsmtFinSF2: ベースメントフィニッシュSF2（タイプ2完成平方フィート）
BsmtUnfSF: ベースメントアンフィニッシュSF（地下室エリアの未完成平方フィート）
TotalBsmtSF: トータルベースメントSF（地下室エリアの合計平方フィート）
Heating: ヒーティング（暖房のタイプ）
HeatingQC: ヒーティングQC（暖房の品質と状態）
CentralAir: セントラルエア（セントラルエアコン）
Electrical: エレクトリカル（電気システム）
1stFlrSF: 1stフロアSF（1階の平方フィート）
2ndFlrSF: 2ndフロアSF（2階の平方フィート）
LowQualFinSF: ロークオリティフィニッシュSF（低品質の完成平方フィート（全フロア））
GrLivArea: グレードリビングエリア（グレード以上（地上）のリビングエリアの平方フィート）
BsmtFullBath: ベースメントフルバス（地下室のフルバスルーム）
BsmtHalfBath: ベースメントハーフバス（地下室のハーフバスルーム）
基本的な統計情報を表示
まずはデータの大まかな情報を理解します。
nanが多いことからデータに欠損が多いことがわかります。
ここから先は
¥ 300
この記事が気に入ったらサポートをしてみませんか？