(1)对波士顿房价进行线性回归训练; (2)用训练的权重矩阵进行预测(训练集和预测集的大小自行确定); (3)进行误差分析; (4)在线性回归中加入正则化,观察线性回归算法是否存在过拟合问题。

时间: 2023-12-31 08:03:45 浏览: 30
好的,以下是对波士顿房价进行线性回归训练、预测和误差分析,并加入正则化进行过拟合检验的Python代码: ```python from sklearn.datasets import load_boston from sklearn.linear_model import LinearRegression, Ridge, Lasso from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error import numpy as np # 加载数据集 boston = load_boston() # 将数据集分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.2, random_state=42) # 实例化线性回归模型 lr_model = LinearRegression() # 对训练集进行拟合 lr_model.fit(X_train, y_train) # 对训练集和测试集进行预测 y_train_pred = lr_model.predict(X_train) y_test_pred = lr_model.predict(X_test) # 计算均方误差 mse_train = mean_squared_error(y_train, y_train_pred) mse_test = mean_squared_error(y_test, y_test_pred) print("线性回归模型在训练集上的均方误差为:", mse_train) print("线性回归模型在测试集上的均方误差为:", mse_test) # 误差分析 print("线性回归模型在测试集上的前10个预测值为:", y_test_pred[:10]) print("测试集上的前10个真实值为:", y_test[:10]) # 加入L2正则化的线性回归模型(岭回归) ridge_model = Ridge(alpha=0.1) # 对训练集进行拟合 ridge_model.fit(X_train, y_train) # 对训练集和测试集进行预测 y_train_pred = ridge_model.predict(X_train) y_test_pred = ridge_model.predict(X_test) # 计算均方误差 mse_train = mean_squared_error(y_train, y_train_pred) mse_test = mean_squared_error(y_test, y_test_pred) print("岭回归模型在训练集上的均方误差为:", mse_train) print("岭回归模型在测试集上的均方误差为:", mse_test) # 误差分析 print("岭回归模型在测试集上的前10个预测值为:", y_test_pred[:10]) print("测试集上的前10个真实值为:", y_test[:10]) # 加入L1正则化的线性回归模型(Lasso回归) lasso_model = Lasso(alpha=0.1) # 对训练集进行拟合 lasso_model.fit(X_train, y_train) # 对训练集和测试集进行预测 y_train_pred = lasso_model.predict(X_train) y_test_pred = lasso_model.predict(X_test) # 计算均方误差 mse_train = mean_squared_error(y_train, y_train_pred) mse_test = mean_squared_error(y_test, y_test_pred) print("Lasso回归模型在训练集上的均方误差为:", mse_train) print("Lasso回归模型在测试集上的均方误差为:", mse_test) # 误差分析 print("Lasso回归模型在测试集上的前10个预测值为:", y_test_pred[:10]) print("测试集上的前10个真实值为:", y_test[:10]) ``` 注:以上代码中使用了L2正则化和L1正则化来防止过拟合。可以通过调整alpha参数的值来控制正则化的程度,alpha越大则正则化的程度越高。

相关推荐

最新推荐

recommend-type

基于多分类非线性SVM(+交叉验证法)的MNIST手写数据集训练(无框架)算法

2.通过一对一方法将45类训练样本((0,1),(0,2),…(1,2)…(2,3))送入交叉验证法,训练算法为smo 3.得出45个模型,测试时在利用投票法判定 数据结构 '''***********************************************************...
recommend-type

基于线性回归的广告投入销售额预测

目录基于线性回归的广告投入销售额预测前言基于线性回归的广告投入销量预测导入相关的库读取并查看数据基本情况查看数据维度查看数据基本统计情况数据可视化经典线性模型建立划分自变量与因变量划分训练集和测试集...
recommend-type

grpcio-1.47.0-cp310-cp310-linux_armv7l.whl

Python库是一组预先编写的代码模块,旨在帮助开发者实现特定的编程任务,无需从零开始编写代码。这些库可以包括各种功能,如数学运算、文件操作、数据分析和网络编程等。Python社区提供了大量的第三方库,如NumPy、Pandas和Requests,极大地丰富了Python的应用领域,从数据科学到Web开发。Python库的丰富性是Python成为最受欢迎的编程语言之一的关键原因之一。这些库不仅为初学者提供了快速入门的途径,而且为经验丰富的开发者提供了强大的工具,以高效率、高质量地完成复杂任务。例如,Matplotlib和Seaborn库在数据可视化领域内非常受欢迎,它们提供了广泛的工具和技术,可以创建高度定制化的图表和图形,帮助数据科学家和分析师在数据探索和结果展示中更有效地传达信息。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】MATLAB用遗传算法改进粒子群GA-PSO算法

![MATLAB智能算法合集](https://static.fuxi.netease.com/fuxi-official/web/20221101/83f465753fd49c41536a5640367d4340.jpg) # 2.1 遗传算法的原理和实现 遗传算法(GA)是一种受生物进化过程启发的优化算法。它通过模拟自然选择和遗传机制来搜索最优解。 **2.1.1 遗传算法的编码和解码** 编码是将问题空间中的解表示为二进制字符串或其他数据结构的过程。解码是将编码的解转换为问题空间中的实际解的过程。常见的编码方法包括二进制编码、实数编码和树形编码。 **2.1.2 遗传算法的交叉和
recommend-type

openstack的20种接口有哪些

以下是OpenStack的20种API接口: 1. Identity (Keystone) API 2. Compute (Nova) API 3. Networking (Neutron) API 4. Block Storage (Cinder) API 5. Object Storage (Swift) API 6. Image (Glance) API 7. Telemetry (Ceilometer) API 8. Orchestration (Heat) API 9. Database (Trove) API 10. Bare Metal (Ironic) API 11. DNS
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

【实战演练】时间序列预测用于个体家庭功率预测_ARIMA, xgboost, RNN

![【实战演练】时间序列预测用于个体家庭功率预测_ARIMA, xgboost, RNN](https://img-blog.csdnimg.cn/img_convert/5587b4ec6abfc40c76db14fbef6280db.jpeg) # 1. 时间序列预测简介** 时间序列预测是一种预测未来值的技术,其基于历史数据中的时间依赖关系。它广泛应用于各种领域,例如经济、金融、能源和医疗保健。时间序列预测模型旨在捕捉数据中的模式和趋势,并使用这些信息来预测未来的值。 # 2. 时间序列预测方法 时间序列预测方法是利用历史数据来预测未来趋势或值的统计技术。在时间序列预测中,有许多不