机器学习实战代码房价预测用

好的，你可以参考以下代码实现房价预测：

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score

# 读取数据
data = pd.read_csv('house_prices.csv')

# 特征选择
X = data[['OverallQual', 'GrLivArea', 'GarageCars', 'TotalBsmtSF', 'FullBath', 'YearBuilt']]
y = data['SalePrice']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 建立线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 计算R2分数
r2_score = r2_score(y_test, y_pred)
print('R2 Score:', r2_score)

在这个例子中，我们使用了线性回归模型来预测房价。我们选择了6个特征来作为输入，分别是房屋的整体质量、生活区域面积、车库容量、地下室面积、浴室数量和建筑年份。我们将数据集划分为训练集和测试集，使用训练集来训练模型，使用测试集来评估模型的性能。最后，我们计算了R2分数来评估模型的拟合能力。