Kaggle的机器学习教程中，概括了建模的几个常识或者必要流程：

1. 清洗好数据，得到X和y。

2. 选择合适的模型，面对未知的数据和业务需求可以先尝试不同的模型。

3. 将样本数据分为训练数据和检验数据两类，训练数据带入模型，参数可先从简，检验数据进行模型检验。

4. 模型参数优化，以防欠拟合和过拟合。

以下为对应代码 ：

1. 清洗好数据，得到X和y。

import pandas as pd

main_file_path = '../input/train.csv' # this is the path to the Iowa data that you will use

data = pd.read_csv(main_file_path)

#target y and input x

y = data.SalePrice

predictors = ['LotArea','YearBuilt','1stFlrSF','2ndFlrSF','FullBath','BedroomAbvGr',

             'TotRmsAbvGrd']

x = data[predictors]

1. 用决策树模型，将样本数据分为训练数据和检验数据两类，训练数据带入模型，参数可先从简，检验数据进行模型检验(MAE，平均绝对偏差)。

from sklearn.tree import DecisionTreeRegressor

from sklearn.model_selection import train_test_split

from sklearn.metrics import mean_absolute_error 

train_X, val_X, train_y, val_y = train_test_split(x, y,random_state = 0)

lowa_model = DecisionTreeRegressor() 

lowa_model.fit(train_X,train_y) 

val_prices = lowa_model.predict(val_X) 

mean_absolute_error(val_y, val_prices)

3.模型参数优化

def get_mae(max_leaf_nodes, predictors_train, predictors_val, targ_train, targ_val):

    model = DecisionTreeRegressor(max_leaf_nodes=max_leaf_nodes, random_state=0)

    model.fit(predictors_train, targ_train)

    preds_val = model.predict(predictors_val)

    mae = mean_absolute_error(targ_val, preds_val)

    return(mae)

#求得最佳参数

import numpy as np 

case = []

for max_leaf_nodes in range(5,500):

    my_mae = get_mae(max_leaf_nodes, train_X, val_X, train_y, val_y)

    case.append(my_mae)

#     print("Max leaf nodes: %d  \t\t Mean Absolute Error:  %d" %(max_leaf_nodes, my_mae))

case = np.array(case)

print (np.min(case)) 

ii = np.where(case==np.min(case)) 

 print ("The best leaf nodes is ", ii[0][0]+5)