1.数据挖掘——房价预测项⽬（⼀）
（AnacondaJupyterNotebook）
前段时间，学校安排我们进⾏了线上的⽣产实习。实习的内容是通过数据分析实现房价的预测，感觉还是挺有意思的，记录下来后边想看的时候还能再看看。
⼤数据时代下，分类和预测作为数据挖掘核⼼应⽤，已经在各个领域得到⼴泛应⽤，未来预测分析必定会成为所有领域的关键技术。整个项⽬⼤致就分了下⾯的这⼏个流程：收集数据（海量数据积累）、数据分析（预处理数据）、数据建模（特征⼯程）、数据模拟（模型训练）、经验总结 （评估迭代）。
前期准备
先说说为了实现项⽬所做的前期的准备。
Anaconda
我们⽤到的环境是Anaconda。Anaconda指的是⼀个开源的Python发⾏版本，其包含了conda、Python等180多个科学包及其依赖项。
有很多⼈都会问：我已经安装了Python，那么为什么还需要Anaconda呢？
1.附带常⽤数据科学包，它附带了conda、Python和多个科学包及其依赖项。因此你可以⽤Anaconda⽴即开始处理数据。
2.管理包。Anaconda 是在 conda（⼀个包管理器和环境管理器）上发展出来的。在数据分析中，你会⽤到很多第三⽅的包，⽽
conda（包管理器）可以很好的帮助你在计算机上安装和管理这些包，包括安装、卸载和更新包。
3.管理环境。为什么需要管理环境呢？同时安装两个Python版本可能会造成许多混乱和错误，这时候conda就可以帮助你为不同的项⽬建⽴不同的运⾏环境。
在这⾥提供两个Anaconda的国内源：
安装完成后⼤家在Anaconda Prompt的命令窗⼝中输⼊
conda list
查看列表中各名称是否包含Numpy、Pandas、Matplotlib、Seaborn等
如果没有，可以在当前的窗⼝中⽤命令来完成相应的操作
conda install xx ##⽤来安装第三⽅库
conda update xx ##⽤来更新第三⽅库
Jupyter Notebook
再说说Jupyter Notebook。
此前被称为 IPython notebook）是⼀个交互式笔记本，⽀持运⾏ 40 多种编程语⾔。Jupyter Notebook 的本质是⼀个 Web 应⽤程序，便于创建和共享⽂学化程序⽂档，⽀持实时代码，数学⽅程，可视化和 Markdown。 ⽤途包括：数据清理和转换，数值模拟，统计建模，机器学习等等。
配置Jupyter为⾃定义的⽂件⽬录：
系统盘当前⽤户下找到.jupyter⽂件夹，⽤记事本打开
找到book_dir = ⼀⾏，⼤概在260⾏上下，填⼊⾃定义⽂件夹路径。（#必须删除，且前⾯不能留空格）
找到JupyterNotebook快捷⽅式位置
右键选择属性，删掉⽬标框⾥%USERPROFILE%
完成设置后，打开Jupyter notebook 进⾏测试：
此外给⼤家介绍⼀些 ipython中常⽤的快捷键：
命令模式(边框为蓝⾊) Enter : 转⼊编辑模式 、A : 在上⽅插⼊新单元、 B : 在下⽅插⼊新单元
编辑模式(边框为绿⾊) ：Shift-Enter : 运⾏本单元，选中下个单元、 Ctrl-Enter : 运⾏本单元、 Alt-Enter : 运⾏本单元，在其下插⼊新单元、 Tab : 代码补全或缩进、 Shift-Tab : 提⽰、 Ctrl-] : 缩进、 Ctrl-[ : 解除缩进 、Ctrl-A : 全选、 Ctrl-Z : 复原
