R语言对波斯顿房价数据集进行线性回归

很高兴为您解答问题。关于波士顿房价数据集的线性回归，在R语言中，我们可以使用lm()函数来实现。具体方法如下：

1.下载并导入波士顿房价数据集
这里提供一个官方下载链接：http://lib.stat.cmu.edu/datasets/boston。下载后解压缩，将其中的boston.txt文件读入到R语言环境中。

2.读入数据并分配到训练集和测试集
我们使用sample()函数来随机分配数据到训练集和测试集：

set.seed(123)
data <- read.table("boston.txt", header = T)
trainIndex <- sample(1:nrow(data), 0.8 * nrow(data))
trainData <- data[trainIndex, ]
testData <- data[-trainIndex, ]

3.进行线性回归并进行预测
接下来，我们使用lm()函数来拟合一个线性回归模型，然后使用predict()函数对测试集进行预测并计算误差：

fit <- lm(medv ~ ., data = trainData)
pred <- predict(fit, newdata = testData)
error <- mean((testData$medv - pred)^2)

其中，medv是波士顿房价数据集的响应变量（即目标变量），~.表示使用剩下的所有变量作为解释变量。

希望这个回答能够帮到您！

相关问题

波斯顿房价数据集怎么导入R语言

可以使用以下代码导入波士顿房价数据集：

library(MASS)
data(Boston)

这会将数据集存储在名为“Boston”的数据框中，可以通过`head(Boston)`函数查看前几行数据。

基于鸢尾花数据集和波斯顿房价的cart分类回归算法Python代码

以下是基于鸢尾花数据集和波斯顿房价的 CART 分类回归算法的 Python 代码：

### 使用 sklearn 库加载数据集

from sklearn.datasets import load_iris, load_boston

iris_data = load_iris()
boston_data = load_boston()

### 使用 CART 分类算法对鸢尾花数据集进行分类

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

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

clf = DecisionTreeClassifier(random_state=42)
clf.fit(X_train, y_train)

score = clf.score(X_test, y_test)
print("Accuracy: {:.2f}%".format(score*100))

### 使用 CART 回归算法对波士顿房价进行回归预测

from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

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

reg = DecisionTreeRegressor(random_state=42)
reg.fit(X_train, y_train)

y_pred = reg.predict(X_test)

mse = mean_squared_error(y_test, y_pred)
print("MSE: {:.2f}".format(mse))