机器学习入门项目分享 - 波士顿房价预测_boston housing ptratio 负相关

　　机器学习入门项目分享 - 波士顿房价预测
　　
　　该分享源于Udacity机器学习进阶中的一个mini作业项目，用于入门非常合适，刨除了繁琐的部分，保留了最关键、基本的步骤，能够对机器学习基本流程有一个最清晰的认识；
　　
　　项目描述
　　
　　利用马萨诸塞州波士顿郊区的房屋信息数据训练和测试一个模型，并对模型的性能和预测能力进行测试；
　　
　　项目分析
　　
　　数据集字段解释：
　　
　　RM: 住宅平均房间数量；
　　
　　LSTAT: 区域中被认为是低收入阶层的比率；
　　
　　PTRATIO: 镇上学生与教师数量比例；
　　
　　MEDV: 房屋的中值价格（目标特征，即我们要预测的值）；
　　
　　其实现在回过头来看，前三个特征应该都是挖掘后的组合特征，比如RM，通常在原始数据中会分为多个特征：一楼房间、二楼房间、厨房、卧室个数、地下室房间等等，这里应该是为了教学简单化了；
　　
　　MEDV为我们要预测的值，属于回归问题，另外数据集不大（不到500个数据点），小数据集上的回归问题，现在的我初步考虑会用SVM，稍后让我们看看当时的选择；
　　
　　Show Time
　　
　　Step 1 导入数据
　　
　　注意点：
　　
　　如果数据在多个csv中（比如很多销售项目中，销售数据和店铺数据是分开两个csv的，类似数据库的两张表&#x