nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

288437_fr-FR

liliconcom

Quelles variables inclure dans un modèle immobilier ou non

Je travaille sur une mission qui me demande si je dois ou non inclure des variables pour un modèle immobilier. Le but du modèle est de prédire le prix. Les variables incluent l'emplacement, le code postal, l'adresse, les lits, les bains, les pieds carrés, le prix, la taille du lot. L'ensemble de données contient des valeurs manquantes et comporte également des valeurs aberrantes. J'ai deux questions:

Existe-t-il une meilleure pratique pour décider des variables à inclure dans un modèle (par exemple, si les variables ont 30% de valeurs manquantes, excluez-vous ou incluez-vous)?

Existe-t-il une meilleure pratique pour décider d'inclure ou d'exclure dans un modèle basé sur des variables continues vs nominales ..... (par exemple zip vs emplacement vs ville) aurons-nous besoin de toutes ces variables dans un modèle ou en porterons-nous plus poids?

Appréciez l'aide. Merci!

Analytique

Tableau de données

Re: Quelles variables inclure dans un modèle immobilier ou non

Mes pensées:

1. Le choix des variables pour une étude doit d'abord et avant tout être fonction de vos hypothèses. Voici votre explication pour savoir POURQUOI la variable devrait ou ne devrait pas avoir une certaine relation avec les variables de réponse.

2. Un deuxième problème est le problème de la multicolinéarité. Vous devez faire attention à ce que plusieurs facteurs soient liés aux mêmes hypothèses. Ainsi, par exemple, il semble que l'emplacement par rapport au zip semble probablement colinéaire.

3. Les données manquantes et les valeurs aberrantes peuvent avoir un effet dramatique sur la modélisation. Combien de données manquantes sont trop? Cela dépend probablement de la taille de l'ensemble de données. Pourquoi vous manquez-vous des données?

4. Je ne suis pas sûr d'une meilleure pratique, car il y a celles qui commencent par "toutes les variables" et suppriment celles qui ont peu d'effet et il y a celles qui construisent le modèle en ajoutant des variables (pas à pas). Dans tous les cas, le processus est itératif et, malheureusement, la méthodologie la plus efficiente / efficace peut dépendre de la situation.

5. Vous avez plus d'informations et de flexibilité avec des variables continues.