简单线性回归预测房价代码

简单线性回归是一种基本的统计建模方法，常用于预测两个变量之间的线性关系，其中一个变量通常被认为是因变量（目标），另一个是自变量（影响因素）。在Python中，我们可以使用scikit-learn库来创建一个简单的房价预测模型。这里是一个简化的例子：

# 导入所需的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 加载数据集（假设是pandas DataFrame）
data = pd.read_csv('house_prices.csv') # 替换为你实际的数据文件路径

# 定义特征（X）和目标变量（y）
X = data[['sqft_living']] # 假设' sqft_living '是影响房价的一个因素
y = data['price'] 

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测测试集房价
y_pred = model.predict(X_test)

# 计算预测性能（例如均方误差）
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error:", mse)

#