用python做预测实例
时间: 2023-07-27 17:08:39 浏览: 46
好的,我来给你举个例子。
假设我们有一个数据集,其中包含一些房屋的信息,例如房屋的面积、卧室数量、楼层数等等。我们想要用这些信息来预测房屋的价格。
首先,我们需要加载数据集,可以使用 pandas 库:
```python
import pandas as pd
# 加载数据集
data = pd.read_csv('house_data.csv')
# 预览数据集
print(data.head())
```
接下来,我们需要准备数据,将其分为训练集和测试集,并进行特征缩放:
```python
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data.drop('price', axis=1), data['price'], test_size=0.2, random_state=0)
# 特征缩放
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)
```
接下来,我们可以使用 scikit-learn 库中的线性回归模型来进行预测:
```python
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
# 创建线性回归模型
model = LinearRegression()
# 训练模型
model.fit(X_train, y_train)
# 预测测试集
y_pred = model.predict(X_test)
# 计算均方根误差
rmse = mean_squared_error(y_test, y_pred, squared=False)
print('均方根误差:', rmse)
```
最后,我们可以使用模型来预测新的房屋价格:
```python
# 预测新房屋价格
new_house = [[1500, 3, 2, 1, 1, 0, 0, 0, 0]]
new_house = scaler.transform(new_house)
price = model.predict(new_house)
print('预测价格:', price[0])
```
这就是一个简单的用 Python 进行预测的例子。当然,这只是一个简单的线性回归模型,实际应用中可能需要使用更复杂的模型,或者进行更多的数据预处理和特征工程。