波士顿房价预测（随机森林和线性回归） 返回上一级 详情： 1.线性回归和随机森林建模 from sklearn.ensemble import RandomForestRegressor from sklearn.linear_model import LinearRegression 2.预测房价并绘制对比图

好的，以下是关于波士顿房价预测的代码示例：

# 导入必要的库
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

# 加载数据
boston = load_boston()
X = pd.DataFrame(boston.data, columns=boston.feature_names)
y = pd.Series(boston.target)

# 划分数据集
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
lr = LinearRegression()
lr.fit(X_train, y_train)

# 建立随机森林模型
rf = RandomForestRegressor(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)

# 预测房价
y_pred_lr = lr.predict(X_test)
y_pred_rf = rf.predict(X_test)

# 绘制对比图
plt.figure(figsize=(8, 6))
plt.scatter(y_test, y_pred_lr, label='Linear Regression')
plt.scatter(y_test, y_pred_rf, label='Random Forest')
plt.xlabel('True Values')
plt.ylabel('Predictions')
plt.legend()
plt.show()

以上代码使用了sklearn库中的线性回归和随机森林模型，对波士顿房价进行预测，并绘制了对比图。其中，线性回归模型用于拟合数据的线性关系，随机森林模型用于处理数据的非线性关系。通过对比两种模型的预测结果，我们可以选择更适合数据特点的模型进行预测和建模。