Artificial intelligence 这是错误的预测。如何正确准备学习数据？

我试图学习大众如何根据卧室、浴室、面积和其他特征预测房价。我的培训数据示例行是：

68000 '51-OMAHA-CT| city=SACRAMENTO zip=95823 state=CA beds:3 baths:1 sq__ft:1167 type=Residential sale_date=Wed-May-21-00-00-00-EDT-2008 latitude=38.478902 longitude=-121.431028
56333 '3526-HIGH-ST| city=SACRAMENTO zip=95838 state=CA beds:2 baths:1 sq__ft:836 type=Residential sale_date=Wed-May-21-00-00-00-EDT-2008 latitude=38.631913 longitude=-121.434879
68790 '2796-BRANCH-ST| city=SACRAMENTO zip=95815 state=CA beds:2 baths:1 sq__ft:796 type=Residential sale_date=Wed-May-21-00-00-00-EDT-2008 latitude=38.618305 longitude=-121.443839

普莱斯街。。。 总共约500个记录。 我的测试数据是（大约500条记录）：

预测给出了这些值：

4819.900391 51-OMAHA-CT
4609.826172 3526-HIGH-ST
4537.140137 2796-BRANCH-ST

---

这些都不是正确的预测。我不确定我的训练数据是否有问题？我仍然对| char和placeing特征感到困惑。

当您将特征构造为

city=SACRAMENTO

时，VW将其解释为一个名为

city=SACRAMENTO

的字符串特征，并为其指定一个隐式值

1.0

city=SACRAMENTO

是散列的，它构成了特征的索引

---

当您将要素构造为

beds:2

时，VW将其解释为名称为

beds

且要素值为

2.0

的要素

beds

被散列并形成索引

因此，可以将形式为

\uuuu=\uuuu

的特征看作是枚举，或者是离散集合中的值。如果具有连续特征，则应使用浮点值

对于城市名称，使用

\uuu=\uuuu

格式似乎很好，但当您对纬度和经度使用相同的格式时，另一个示例很可能会共享相同的lat/lng字符串，从而能够在预测中使用该功能。在我看来，lat/lng应该是基于浮子的feautre

对于

销售日期

您也有类似的问题。这可能更像是一项功能工程，但您可能希望将此功能分为年、星期几、月份等。

您能否使用

--audit

选项深入了解大众如何看待这些功能？

4819.900391 51-OMAHA-CT
4609.826172 3526-HIGH-ST
4537.140137 2796-BRANCH-ST