使用K近邻回归算法，对波士顿房价数据进行预测，并画出真实值和预测值的图像对比图

好的，我会尽力回答你的问题。关于K近邻回归算法预测波士顿房价数据，可以按照以下步骤进行：

导入所需的库和数据集

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_squared_error

# 导入数据集
boston = load_boston()
登录后复制

数据预处理

# 将数据集转化为DataFrame格式
boston_df = pd.DataFrame(boston.data, columns=boston.feature_names)

# 将目标变量MEDV添加到DataFrame中
boston_df['MEDV'] = boston.target

# 把数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston_df[boston.feature_names], boston_df['MEDV'], test_size=0.2, random_state=42)

# 对特征数据进行标准化处理
from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)
登录后复制

训练模型和预测

# 定义模型并进行训练
knn = KNeighborsRegressor(n_neighbors=5)
knn.fit(X_train_scaled, y_train)

# 在测试集上进行预测
y_pred = knn.predict(X_test_scaled)
登录后复制

评估模型性能

# 计算MSE
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error (MSE): {:.2f}".format(mse))
登录后复制

绘制真实值和预测值的对比图

plt.figure(figsize=(10, 6))

# 绘制真实值
plt.plot(y_test.values, 'b', label='True')

# 绘制预测值
plt.plot(y_pred, 'r', label='Predicted')

plt.title("KNN Regression (MSE: {:.2f})".format(mse))
plt.xlabel("Samples")
plt.ylabel("Target value")
plt.legend()

plt.show()
登录后复制
这样就可以绘制出真实值和预测值的对比图了。