python预测波士顿房价最小二乘多元变量回归

在Python中，我们通常使用`sklearn`库来进行最小二乘法的多元线性回归，例如预测波士顿房价。波士顿房价数据集是一个经典的数据科学示例，它包含13个特征和506个观测值，目的是通过这些特征预测房屋的价格。

首先，你需要安装必要的库，如`pandas`, `numpy`, 和 `scikit-learn`:

pip install pandas numpy scikit-learn

接下来，你可以按照以下步骤进行操作：

1. 导入所需的库和数据集：

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, r2_score

2. 加载波士顿房价数据并预处理：

boston = load_boston()
data = pd.DataFrame(boston.data, columns=boston.feature_names)
target = boston.target

3. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.2, random_state=42)

4. 创建并训练模型：

model = LinearRegression()
model.fit(X_train, y_train)

5. 进行预测并评估性能：

y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

print("均方误差:", mse)
print("R²得分:", r2)