使用scikit-learn的线性回归预测波士顿房价
时间: 2023-11-12 15:01:55 浏览: 97
使用scikit-learn中的线性回归模型来预测波士顿房价是一种常见且有效的方法。首先,我们需要导入所需的库和数据集:
```python
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
```
然后,我们可以加载波士顿房价数据集并将其划分为训练集和测试集:
```python
boston = datasets.load_boston()
X = boston.data
y = boston.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
```
接下来,我们可以创建一个线性回归模型对象并对其进行训练和拟合操作:
```python
lr = LinearRegression()
lr.fit(X_train, y_train)
```
训练完成后,我们可以使用训练好的模型对测试集进行预测,并计算预测的准确性:
```python
y_pred = lr.predict(X_test)
accuracy = lr.score(X_test, y_test)
```
最后,我们可以输出预测结果和预测准确率来评估模型的性能:
```python
print("预测结果:", y_pred)
print("准确率:", accuracy)
```
使用scikit-learn的线性回归模型可以方便地进行波士顿房价预测,通过评估预测准确率可以判断模型的性能。当然,在实际应用中,还会涉及特征选择、模型调优等步骤,以获得更好的预测结果。