學習Python中有不明白推薦加入交流裙
                號：735934841
                群裡有志同道合的小夥伴，互幫互助，
                群裡有免費的視訊學習教程和PDF！

從上面的資料缺失視覺化圖中可以看出，部分特徵的資料缺失十分嚴重，下面我們來對特徵的缺失數量進行統計。

觀察目標變數y的分佈和取對數後的分佈看，取完對數後更傾向於符合正太分佈，故我們對y進行對數轉化。

y = np.log1p(y)#+1的目的是防止對數轉化後的值無意義

3、合併資料 缺失處理

哇！好意外啊，這兩個模型的結果表現都不錯，但是隨機森林的結果似乎更好，下面來看看學習曲線情況。

四、接下來分別對兩個基準模型進行引數調優，獲得使得均方誤差最小的引數，返回到訓練集進行訓練；

五、採用並行模型融合的方式，計算兩個模型預測結果的均值作為測試集的預測結果。