python 波士顿房价预测
时间: 2023-09-03 21:15:15 浏览: 50
波士顿房价预测是一个经典的回归问题,可以使用Python中的机器学习库进行建模和预测。
以下是一些常用的Python库和步骤:
1. 导入必要的库
```python
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
from sklearn.metrics import mean_squared_error
```
2. 加载数据集
```python
boston = load_boston()
data = pd.DataFrame(boston.data, columns=boston.feature_names)
target = pd.DataFrame(boston.target, columns=['MEDV'])
```
3. 数据清洗和预处理
```python
# 查看是否有缺失值
data.isnull().sum()
# 标准化数据
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
data = scaler.fit_transform(data)
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.2, random_state=0)
```
4. 模型训练和预测
```python
# 创建模型对象
model = LinearRegression()
# 训练模型
model.fit(X_train, y_train)
# 预测模型
y_pred = model.predict(X_test)
# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("均方误差:", mse)
```
5. 可视化结果
```python
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()
```
以上是一个简单的波士顿房价预测示例,可以根据需要进行更多的数据处理、特征工程和模型优化。