热门文档
- 2022-09-18 20:22:00 中国人为什么看不起中国人 张鸣
- 2023-04-19 15:04:26 《千家妙方 上册 1982年》(李文亮等编)
- 2022-09-18 20:22:00 中国兵法之起源 编委会
- 2023-10-13 17:09:40 楚辞 中华传统诗词经典 可复制-李山-9787101097528
- 2022-11-24 16:17:09 《性体验与性爱心理》尤里-谢尔巴特赫
- 2022-11-24 16:17:09 《性爱健康指南》石四维编著
- 2023-10-13 17:09:40 超速学习：我这样做，一个月学会素描，一年学会四种语言，完成MIT四年课程-斯科特·扬著，林慈敏译-9789861755533
- 2022-09-18 19:48:57 心理催眠术 迈克尔.赫普,温迪.德雷顿著
- 2023-10-13 17:09:40 初中诗词格律读本 可复制-周建忠 徐乃为 王业强编著-9787101121704
- 2023-10-13 17:09:40 曾国藩家书 中华经典藏书(升级版)可复制-檀作文译注-9787101115482
- 2022-09-18 19:48:57 成功创业72绝招 艾凡著
- 2023-01-11 15:23:39 孔子学院传播研究_刘程 安然著_9787516112922
1、本文档共计 75 页，下载后文档不带www.pdfdz.com水印，支持完整阅读内容。
2、古籍基本都为PDF扫描版，所以文档不支持编辑功能，即不支持文档内文字的复制粘贴。
3、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
4、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
5、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。
2、古籍基本都为PDF扫描版，所以文档不支持编辑功能，即不支持文档内文字的复制粘贴。
3、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用，不得用于其他商业用途（如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利）。
4、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
5、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。
但是你怎么去买房子呢？你怎么评价一栋房子呢？像Zillowi这样的公司如何得出他们的Zestites??本章主要回答与这个基本概念相关的问题：基于距离的调近。首先，我们将讨论如何估计房价。然后我们将讨论如何将房子划分为各个类别，例如“买”“持有”和“卖”。就这一点，我们将谈论一个通用算法，K最近邻，以及如何使用它解决这样的问题。我们要将问题分解成几个部分：什么使得距离较近，以及什么是一个真正的邻居（即，什么是事物的最优的K值）。如何确定是否想购买一栋房子这个问题长期困扰着许多人。如果你要买一栋房子，或判断它是否更适合租赁，你很可能就在试图隐式地回答这个问题。房屋估价是一个棘手的问题，而目众所周知它容易出现计算偏差。例如Zillow的网站上说他们著名的Zestite,是有缺陷的(//bit.ly/Zestite-whatis)。他们说，根据你看的地段，房价可能有一个地域化的偏差量。对房子来说，位置是真正的关键。西雅图的需求曲线和旧金山不同，如果你了解房地产你就明白！是否购买一栋房子，取决于你需要在未来若干年里为它按揭付款的价格。但是这个价格怎么计算出来呢？房子的价格究竟几何常言道：东西的价格要看人们愿意为它付多少钱。小给房子估价是件困难的事。即使我们能够想出一个具有许多内在变量的模型，这种模型能发挥巨大作用，但它也不能改变这样一个事实：买房子是很主观的，有时还会有价格战。这些几乎是不可能预测的。你当然可以使用这个模型来给房子估价，但仍然会产生错误，需要多年的经验来纠错。一栋房子卖得多贵都有可能。一栋房屋的价格是多少，这个答案的核心是很简单的，但很难预测。由于供应量受限，或因为每栋房屋都是独一无二的，房屋售价很不稳定。有时你只是因为很喜欢一栋房子，就会为它多付费。但是，让我们假设，这栋房子的价格是买家愿意支付的价钱。这是一个函数，与房屋本身的一些属性有关。我们可以写出一个不错的估计房屋价格的公式：公式3-1：房屋价格这个模型出现在回归（我们将在第章讨论）或其他温近算法中，但它缺失了房地产的主要影响因素：“位置！”我们将使用愉悦回归来克服这个问题。K先生最近的邻居我们都知道邻域是什么意思。无论你住在树林里还是一排棕色的石头中间，你都住在某些邻域中。如果没有更好的定义，邻域可以看作一些房子的群集（我们将在后面讨论群集）。在这一点上的群集可以被视为维空间中的房屋或物品的紧密分组。但是如何表示“紧密分组”？因为你很可能在生活中的某个机会中使用了一个几何类，你阿能想到了毕达哥拉斯定理或类似的东西，但事情不是那么简单。距离是一类可能更复杂的函数。维度灾难任何使用距离的事物，都有一个严重的问题，就是维度灾难。对越高维度的空间进行建模，距离近似就变得越不准确。在实践中必须要意识到，挖掘数据集的特征对于创健弹性模型是至关重要的。我们将在第10章讨论特征工程，现在也需要认识到这个问题。图3-8表示了一个可视化的认识维度灾难的方式。如图3-8所示，当我们将随机点放在单位球体上并测量它与原点(0,0,0)之间的距离，我们发现这个距离总是1。但是如果我们将它投影到二维空间上，距离将小于或等于1。这个原理在扩展维镀的时候也成立。例如，如果我们将这个例子从三维扩展到四维，这个距离将大于或等于1。不能保持相对于一点的距离不变，会影响所有基于距离的模型，因为所有的数据点变得混乱且彼此远离。图3-8：维度灾难如何选择K在建模时选择适当的房子数量是一个困难的问题一容易验证，但很难提前计算。在这一点上，我们知道如何将事物分组，但只是不知道把多少个事物放入邻域。有几种方法可以用来确定最优的K值，但每种方法都有其优缺点：·猜测K
