如何使用sklearn中波士顿房价预测数据集

1. 导入波士顿房价预测数据集

from sklearn.datasets import load_boston

boston = load_boston()

2. 查看数据集的基本信息

print(boston.DESCR) # 查看数据集的描述信息
print(boston.feature_names) # 查看数据集的特征名称
print(boston.data.shape) # 查看数据集的数据维度

3. 数据预处理

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=42)

# 特征标准化
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

4. 构建模型

from sklearn.linear_model import LinearRegression

# 构建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train_scaled, y_train)

# 预测测试集结果
y_pred = model.predict(X_test_scaled)

5. 模型评估

from sklearn.metrics import mean_squared_error, r2_score

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)

# 计算R2系数
r2 = r2_score(y_test, y_pred)

print('均方误差：', mse)
print('R2系数：', r2)

6. 可视化结果

import matplotlib.pyplot as plt

# 绘制预测值和真实值的散点图
plt.scatter(y_test, y_pred)
plt.xlabel('True Values')
plt.ylabel('Predictions')
plt.show()