线性回归实现波士顿房价预测

好的，线性回归是一种常见的机器学习算法，可以用于预测数值型数据。在这里，我将使用线性回归算法来预测波士顿地区的房价。

首先，我们需要加载数据集。Sklearn库中已经提供了波士顿房价数据集，我们可以直接调用。

from sklearn.datasets import load_boston

boston = load_boston()
X = boston.data
y = boston.target

然后，我们将数据集分成训练集和测试集。我们将80%的数据用于训练，20%的数据用于测试。

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

接下来，我们将使用Scikit-learn库中的线性回归模型来拟合训练数据并进行预测。

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train, y_train)

y_pred = model.predict(X_test)

最后，我们将使用R2得分来评估模型的性能。R2得分越接近1，表示模型越好。

from sklearn.metrics import r2_score

score = r2_score(y_test, y_pred)
print("R2 Score: {:.2f}".format(score))

完整的代码如下：

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

boston = load_boston()
X = boston.data
y = boston.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = LinearRegression()
model.fit(X_train, y_train)

y_pred = model.predict(X_test)

score = r2_score(y_test, y_pred)
print("R2 Score: {:.2f}".format(score))

这样，我们就用线性回归模型实现了波士顿房价预测。