背景介绍

波士顿房地产市场竞争激烈，而你想成为该地区最好的房地产经纪人。为了更好地与同行竞争，你决定运用机器学习的一些基本概念，帮助客户为自己的房产定下最佳售价。幸运的是，你找到了波士顿房价的数据集，里面聚合了波士顿郊区包含多个特征维度的房价数据。你的任务是用可用的工具进行统计分析，并基于分析建立优化模型。这个模型将用来为你的客户评估房产的最佳售价。

如何在线使用数据集

创建项目后：

Python用户，输入ls ../input/boston_housing/ 查看数据路径

R用户，输入list.files("../input/boston_housing/") 查看数据路径

使用相关包读取数据

数据说明

• 文件列表
• 该数据集包含1个文件：
• housing.csv
• 数据集的整体特征

数据集名称 | 数据类型 | 特征数 | 实例数 | 值缺失 | 相关任务

-------------| ------- |-----------| ---------| ---------|----------|--------

波士顿房价数据集 | 数值型或类别型 | 13 | 506 | 无 | 描述性分析（可视化）、预测性分析（建模）、

• 属性描述
• 文件housing.csv中包含14个字段，具体信息如下：