利于机器学习算法预测房价 代码

以下是一个简单的利用机器学习算法预测房价的 Python 代码示例，使用了线性回归算法：

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

# 读取数据
data = pd.read_csv('house_data.csv')

# 提取特征和标签
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 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=0)

# 训练模型
regressor = LinearRegression()
regressor.fit(X_train, y_train)

# 预测结果
y_pred = regressor.predict(X_test)

# 输出结果
print('预测结果:', y_pred)

其中，`house_data.csv` 是一个包含房屋面积、卧室数量和房价的数据集。我们可以使用 `pandas` 库读取数据并提取特征和标签。然后，使用 `train_test_split` 函数将数据集划分为训练集和测试集。接下来，使用 `LinearRegression` 类建立线性回归模型，并用训练集拟合模型。最后，使用模型对测试集进行预测，并输出结果。

需要注意的是，这只是一个简单的示例代码，实际应用中需要根据具体情况选择适当的算法和特征工程方法。