用python写房价预测模型

可以使用多种机器学习算法来构建房价预测模型，比如线性回归、决策树、随机森林等。以下是一个简单的用 Python 实现的线性回归房价预测模型：

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

# 读取数据集
data = pd.read_csv('house_prices.csv')

# 提取特征和标签
X = data.drop('price', axis=1)
y = data['price']

# 划分训练集和测试集
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
model = LinearRegression()
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 计算模型的评估指标
score = model.score(X_test, y_test)
print('模型的 R^2 得分为：', score)

其中，`house_prices.csv` 是一个包含房屋特征和价格的数据集，可以从 Kaggle 上下载。在这个模型中，我们使用了线性回归算法，并将数据集划分为训练集和测试集，最后计算模型的 R^2 得分来评估模型的性能。