一个机器学习项目流程

1、项目概述

利用加州普查数据，建立一个加州房价模型。这个数据包含每个街区组的人口、收入中位数、房价中位数等指标。你的模型要利用这个数据进行学习，然后根据新的数据的指标，预测其对应街区的房价中位数。

1.1 划定问题

通常一个完整的机器学习工程由多个机器学习模型组成，其中一个模型的输入可能是另一个模型的输出，故第一步我们需要先弄清楚该模型的输入和输出分别是什么。其次，需要划定问题：监控或非监督，还是强化学习？这是个分类问题、回归问题还是其它？要使用批量学习还是线上学习？

在该项目中，模型的输入是一个加州普查得到的关于房价的数据信息，输出是各个街区组的房价中位数，则该模型的学习方式属于监督学习，且为多变量回归算法。

2、获取数据

数据下载代码如下：

import os
import tarfile
from six.moves import urllib

DOWNLOAD_ROOT = "https://raw.githubusercontent.com/ageron/handson-ml/master/"
HOUSING_PATH = "datasets/housing"
HOUSING_URL = DOWNLOAD_ROOT + HOUSING_PATH + "/housing.tgz"

def fetch_housing_data(housing_url=HOUSING_URL, ousing_path=HOUSING_PATH):

    if not os.pat