Sklearn线性回归模型预测波士顿房价并绘图

在Python中，我们可以使用sklearn库中的`LinearRegression`模型来预测波士顿房价。首先，我们需要加载所需的库和数据，然后按照以下步骤操作：

1. **导入所需库**：

import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

2. **加载波士顿房价数据**：

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

3. **数据预处理**：将数据分为特征（X）和目标（y），并分割成训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.2, random_state=42)

4. **创建线性回归模型并训练**：

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

5. **预测并画出结果**：

y_pred = model.predict(X_test)

# 创建散点图，展示真实价格 vs 预测价格
plt.scatter(y_test, y_pred, alpha=0.5)
plt.xlabel('实际房价')
plt.ylabel('预测房价')
plt.title('波士顿房价预测结果')
plt.plot([min(y_test), max(y_test)], [min(y_test), max(y_test)], 'r--')  # 平行于x轴的直线作为参考
plt.show()

这将生成一个散点图，显示了实际的波士顿房价和预测的房价，以及一条理想的拟合线，它平行于x轴，表示完美预测的情况。