使用波士顿房价训练集对线性模型进行训练,并使用测试集预测房价情况,给我代码
时间: 2023-01-28 08:15:03 浏览: 109
好的,我来为您提供使用 Python 进行波士顿房价训练集和测试集的预测的示例代码。
首先,您需要导入必要的库,如 NumPy、pandas 和 scikit-learn。
```python
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
```
然后,您可以使用 pandas 加载波士顿房价训练集和测试集。
```python
# 加载训练集
df_train = pd.read_csv('boston_housing_train.csv')
# 加载测试集
df_test = pd.read_csv('boston_housing_test.csv')
```
接下来,您需要将训练集和测试集的特征和目标分开。
```python
# 训练集特征
X_train = df_train.drop(columns='price')
# 训练集目标
y_train = df_train['price']
# 测试集特征
X_test = df_test.drop(columns='price')
# 测试集目标
y_test = df_test['price']
```
接着,您可以使用 scikit-learn 的 LinearRegression 类来训练线性回归模型。
```python
# 创建线性回归模型
model = LinearRegression()
# 训练模型
model.fit(X_train, y_train)
```
最后,您可以使用测试集特征来预测测试集的房价,并使用 mean_squared_error 函数计算预测误差。
```python
# 使用测试集特征预测测试集房价
y_pred = model.predict(X_test)
# 计算预测误差
mse = mean_squared_error(