(その1) エイムズの住宅価格のデータセットの分析計画

住宅価格のデータセットは他に有名なものだとボストンの住宅価格のデータセットがあります。
旧ブログで取り上げているのでご一緒にご確認ください。

今回はエイムズの住宅価格のデータセットを分析していこうと思います。

House Prices - Advanced Regression Techniques | Kaggle

Predict sales prices and practice feature engineering, RFs, and gradient boosting

データマイニングプロセスについて
① ビジネスの理解
1. 分析対象の事前知識をつける
② データの理解
まとめ
参考

データマイニングプロセスについて

こんな手順で分析を進めていますという記事になります。

データマイニングのフレームワークであるCRISP-DMとは

ヒノマルクデータマイニングを教わったときにCRISP-DMが基本概念にありました。ClementineというIBMのSPSS Modelerの前身のデータイニングツールで分析キャリアを始めました。ClementineでCRISP-DMが導入...

本記事はCRISP-DMの下記の部分を寄稿しています。

ビジネスの理解
データの理解

① ビジネスの理解

分析対象の事前知識をつける

今回はエイムズの住宅価格の分析なので、事前にエイムズとは何を指しているのか(会社名？地名?人名?)を調べてるのがいいのかなと思います。(今回、エイムズは地名のようです)

そもそも分析対象が何なのか分からない、専門用語が理解できない場合はビジネスの理解から始めるのがよいと思います。
例えば住宅価格はどう決まるのか？どういうビジネスモデルなのか？などです。

「住宅価格　要因」などのキーワードで検索すると、宅建用語で「価格形成要因」という言葉が出てきました。

「価格形成要因」で調べると国土交通省の資料が出てきましたので、下記資料の第3章を一読しておくといいのかも知れません。(日本と海外では異なることがあるかも知れませんが何も知識がないよりはいいかなと思います。)

第３章不動産の価格を形成する要因 ------------------------------------------- 6
第１節一般的要因 -------------------------------------------------------- 6
第２節地域要因 ---------------------------------------------------------- 7
第３節個別的要因 -------------------------------------------------------- 9
引用| https://www.mlit.go.jp/kisha/kisha03/01/010421_2/18.pdf

他にも不動産鑑定士の試験項目に「不動産の鑑定に関する理論」がありました。

こちらの項目だけでも勉強しておくとより理解が深まるのかなと感じました。

② データの理解

データセットですが、2006年から2010年のアメリカのアイオワ州にあるエイムズという都市の住宅販売価格のようです。

詳細はTruman State UniversityのDean De Cock教授が寄稿された記事に載っているのでご確認ください。

エイムズの場所

データの取得元

Kaggleのエイムズの住宅価格のコンペデータになります。

分析対象のデータの確認

説明変数が多いです。情報量が多いのでモデルの作成が楽しみです。

コード値の説明などはKaggleのデータ「data_description.txt」からご確認ください。

まずはどんなデータがありそうか変数を確認してみます。英訳しながら意味を考えていきます。

カラム一覧

変数名	説明	内容
SalePrice	目的変数。住宅価格(ドル)
MSSubClass	建物クラス	DUPLEX(壁が2つのユニットで共有)など建てられ方の違いのようです。
MSZoning	一般都市計画分類	用途地域みたいなものでしょうか？
LotFrontage	間口距離	敷地が道路に接している直線距離(ft)
LotArea	土地面積(ft2)
Street	道路アクセスの種別	Gravel:砂利、Paved:舗装
Alley	路地アクセスの種別	Gravel:砂利、Paved:舗装、NA:路地なし
LotShape	敷地の形状
LandContour	敷地の平らさ	坂になっているのかなど
Utilities	公共設備の有無	電気、ガス、水道、下水道
LotConfig	敷地の位置	Inside lot:内地、Corner lot:角地、Cul-de-sac:奥地、Frontage on 2 sides:道路2面沿い、Frontage on 3 sides:道路3面沿いなど
LandSlope	敷地傾斜の具合
Neighborhood	エイムズ市内の場所	アイオア州立大学の南西側など
Condition1	主要道路からのおおよその位置1
Condition2	主要道路からのおおよその位置2(もしあれば)
BldgType	住宅種別	1世帯用住宅、集合住宅など
HouseStyle	住宅様式	1階建、1.5階建、2階建など
OverallQual	住居の品質	1(最低)から10(最高)までの10段階評価
OverallCond	住居の状態	1(最低)から10(最高)までの10段階評価
YearBuilt	建築された年
YearRemodAdd	リフォームされた年	リフォームされてなかったらYearBuildと同じ値
RoofStyle	屋根の種別
RoofMatl	屋根の素材
Exterior1st	住居の外観1
Exterior2nd	住居の外観2(もし2つ以上の素材がある場合)
MasVnrType	組積造の種別	レンガ、石など
MasVnrArea	組積造の面積(ft2)
ExterQual	外観素材の品質	5段階評価
ExterCond	現在の外観の状態	5段階評価
Foundation	住居基礎の種類	ブリックタイル、軽量コンクリートブロックなど
BsmtQual	地下室の高さ	NA:地下室なし、他5段階評価
BsmtCond	地下室の状態	NA:地下室なし、他5段階評価
BsmtExposure	地下室の露出具合	外からどれくらい見えるかどうか
BsmtFinType1	地下室1(施工済)の品質	NA:地下室なし、他5段階評価
BsmtFinSF1	地下室1の面積(ft2)
BsmtFinType2	地下室2(施工済)の品質 (存在する場合)	NA:地下室なし、他5段階評価
BsmtFinSF2	地下室2の面積(ft2)
BsmtUnfSF	未完了の地下室の面接(ft2)
TotalBsmtSF	全地下室の面積(ft2)
Heating	暖房設備の種類
HeatingQC	暖房設備の品質と状態	5段階評価
CentralAir	中央式エアコンの有無	Y:Yes、N:No
Electrical	電気システムの種類
1stFlrSF	1Fの面積(ft2)
2ndFlrSF	2Fの面積(ft2)
LowQualFinSF	低品質な仕上がり(ft2)
GrLivArea	地上全ての住宅面積(ft2)	地下室がある場合は除いた面積
BsmtFullBath	地下室のフル・バスルームの数	英辞郎によると浴槽・シャワー・洗面台・便器の4点が備え付けられた部屋
BsmtHalfBath	地下室のハーフ・バスルームの数	英辞郎によると便器と洗面台だけが備え付けられた部屋
FullBath	フル・バスルームの数(地下室除く)
HalfBath	ハーフ・バスルームの数(地下室除く)
Bedroom	寝室の数(地下室は除く)
Kitchen	キッチンの数(地下室は除く)
KitchenQual	キッチンの品質 (5段階評価)
TotRmsAbvGrd	総部屋数 (バスルーム、地下室は除く))
Functional	住宅機能の評価 (8段階評価)
Fireplaces	暖炉の数
FireplaceQu	暖炉の品質
GarageType	ガレージの場所	ガレージは車庫のことです。
GarageYrBlt	ガレージが建てられた年
GarageFinish	ガレージの内装工事の完成度	NA:ガレージなし、Unf:未完成、RFn:だいたい完成、Fin:完成
GarageCars	ガレージへの駐車可能台数
GarageArea	ガレージの面積(ft2)
GarageQual	ガレージの品質
GarageCond	ガレージの状態
PavedDrive	舗装済みの車道かどうか
WoodDeckSF	ウッドデッキの面積(ft2)
OpenPorchSF	オープンポーチの面積(ft2)	ポーチは玄関前の屋根付きのスペースのようです。
EnclosedPorch	(囲まれた)ポーチの面積(ft2)
3SsnPorch	3シーズンポーチの面積(ft2)
ScreenPorch	スクリーンポーチの面積(ft2)
PoolArea	プールの面積(ft2)
PoolQC	プールの品質	NA:プールなし、4段階評価
Fence	フェンスの品質	NA:フェンスなし、4段階評価
MiscFeature	その他存在するプロパティ	テニスコートやエレベーターなど
MiscVal	その他存在するプロパティの価値
MoSold	売れた月
YrSold	売れた年
SaleType	販売形態
SaleCondition	販売条件

目的変数がSalePriceになっています。

タイタニックのときは1か0を当てるモデルを作成する分類問題でしたが、今回は住宅価格を予測する回帰問題になります。

どのような分析ができそうか

住宅販売価格の予測はもちろんですが、どんな変数が販売価格に影響を与えているかなどの要因分析にも利用できそうです。

まとめ

海外のデータセットで勉強すると副次的に英語の勉強にもなりますね　笑

次回はデータの中身の確認をしていこうと思います。

「2. データの理解」の続きになります。