python代码实现房价预测

预测房价是机器学习中的一个常见问题。下面是一个用 Python 实现的示例代码，它使用线性回归来预测房价：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 读取数据
data = pd.read_csv("housing.csv")

# 将数据分为特征和标签
X = data[['square_feet', 'num_bedrooms']]
y = data['price']

# 将数据分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 在测试集上评估模型
accuracy = model.score(X_test, y_test)
print("Accuracy: ", accuracy)

# 使用模型预测房价
prediction = model.predict([[1500, 3]])
print("Predicted price: ", prediction)

在这段代码中，我们使用了 Pandas 库来读取数据，使用了 scikit-learn 库中的 train_test_split 函数来将数据分为训练集和测试集，使用了 scikit-learn 库中的 LinearRegression 类来构建并训练线性回归模型。最后，我们使用模型的 score 方法来评估模型在测试集上的准确度，并使用 predict 方法来预测房价。

注意，这只是一个简单的示例，在实际应用中，你可能需要使用更复杂的模型，并对数据进行更多的预处