- 1、本文档共11页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、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。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
【原创】R语言报告论文(附代码数据)
有问题到淘宝找“大数据部落”就可以了
R语言房价回归预测案例报告
首先,我们加载数据和必要的软件包:
load("ames_train.Rdata")
library(MASS)
library(dplyr)
## Warning: package 'dplyr' was built under R version 3.3.3
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 3.3.3
library(devtools)
## Warning: package 'devtools' was built under R version 3.3.3
library(statsr)library(lubridate)
## Warning: package 'lubridate' was built under R version 3.3.3
library(tidyr)
## Warning: package 'tidyr' was built under R version 3.3.3
library(gridExtra)
## Warning: package 'gridExtra' was built under R version 3.3.3
1
在数据集中建立房屋的年龄标签直方图(30个箱),并描述分布。
# type your code for Question 1 here, and Knit
ggplot(data = ames_train, aes(x=year(today())-Year.Built))+
geom_histogram(bins = 30, fill="blue", colour="white")+labs(title="House counts by age", x="House age", y="House count")+
geom_vline(xintercept = median(year(today())-ames_train$Year.Built), colour="red")+
annotate("text", x= median(year(today())-ames_train$Year.Built)-4, y=c(100,-10)
, label=c("Median", median(year(today())-ames_train$Year.Built))
, colour="red", angle=c(90,0))+
geom_vline(xintercept = mean(year(today())-ames_train$Year.Built), colour="#41c42f")+
annotate("text", x= mean(year(today())-ames_train$Year.Built)+4, y=c(100,-10)
, label=c("Mean", round(mean(year(today())-ames_train$Year.Built), 1))
, colour="#41c42f", angle=c(-90,0))+
theme(plot.title = element_text(hjust=0.5)
,title = element_text(hjust = 0.5, colour = "red", size = rel(2))
, axis.title =element_text(size = rel(1), colour = "blue", hjust = .5)
, legend.position = "none"
,panel.background = element_rect(fill = "grey", colour = "black")
, panel.grid = element_line(color = "blue"))
上面绘制的房屋年龄分布是非常正确的。
我们看到三个峰值,表明分布是多模态的。 这个数据集中的大部分房子(约140个)都是10-15岁。 第二类房屋(约80人)年龄在55-60岁之间,分布右边的第三类房屋(约37户)的年龄在90-95岁之间。 这可能表示指定期间房地产业务的繁荣。
分配表明,超过45%的房屋建于不到45年前。
2
房地产的咒语
文档评论(0)