python写一个回归预测模型,数据集为波士顿房价
时间: 2024-05-13 16:16:35 浏览: 10
好的,下面是使用Python构建回归模型的代码,数据集为波士顿房价:
```python
# 导入相关库
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
# 加载波士顿房价数据集
boston = load_boston()
# 获取特征和标签
X = boston.data
y = boston.target
# 将数据集分为训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 构建线性回归模型
lr = LinearRegression()
# 训练模型
lr.fit(X_train, y_train)
# 预测测试集结果
y_pred = lr.predict(X_test)
# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
# 打印均方误差
print("Mean Squared Error:", mse)
# 绘制拟合曲线
plt.scatter(y_test, y_pred)
plt.xlabel("True Values")
plt.ylabel("Predictions")
plt.show()
```
代码解释:
- 通过 `load_boston()` 方法加载波士顿房价数据集。
- 使用 `train_test_split()` 方法将数据集分为训练集和测试集。
- 通过 `LinearRegression()` 方法构建线性回归模型,并使用 `fit()` 方法训练模型。
- 使用 `predict()` 方法预测测试集结果,并通过 `mean_squared_error()` 方法计算均方误差。
- 最后,使用 `scatter()` 方法绘制拟合曲线。
希望这个代码对你有所帮助。