帮我用python写一个民宿价格预测模型 特征值为床位数，宜住人数，是否独立卫浴，卧室数

好的，我可以帮您用Python来构建民宿价格预测模型，使用的是线性回归模型。

在这个模型中，我们将考虑以下四个特征值：床位数，宜住人数，是否独立卫浴，卧室数。这些特征值将用于预测民宿价格。接下来，我将为您提供代码示例，让您更好地理解。

首先，我们需要导入必要的Python库，包括pandas，numpy和sklearn：

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

然后，我们需要准备我们的数据集。我们可以使用pandas库来加载csv文件并将其转换为数据框：

data = pd.read_csv('民宿数据.csv')

该数据集包含4个特征值以及民宿的价格。接下来，我们将分割数据集以用于训练和测试，这里我们使用sklearn来分割数据：

from sklearn.model_selection import train_test_split

X = data[['床位数', '宜住人数', '是否独立卫浴', '卧室数']]
y = data['价格']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

接下来，我们将使用线性回归模型来训练模型：

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

现在，我们可以使用模型来进行预测。例如，我们可以预测一个具有以下特征值的民宿的价格：床位数为2，宜住人数为4，卧室数为1，独立卫浴。代码将输出这个民宿的预测价格：

# 预测一个民宿的价格
beds = 2 
capacity = 4 
bathroom = 1 
bedrooms = 1 

price = model.predict([[beds, capacity, bathroom, bedrooms]])

print("该民宿的预测价格为：¥%.2f" % price)

训练和预测好了以后，我们可以使用以下代码评估模型的性能，这里使用的是均方误差（MSE）和决定系数（R2）指标：

from sklearn.metrics import mean_squared_error, r2_score

# 模型评估
y_pred = model.predict(X_test)
print("MSE: %.2f" % mean_squared_error(y_test, y_pred))
print("R2 score: %.2f" % r2_score(y_test, y_pred))

这样，我们就完成了用Python构建民宿价格预测模型的过程，您现在可以根据您的需求自行更改特征值，训练模型并进行预测。