python多元线性回归预测波士顿房价

好的，下面是Python实现多元线性回归预测波士顿房价的步骤：

1. 导入所需的库：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

2. 加载波士顿房价数据集：

boston = load_boston()
X = pd.DataFrame(boston.data, columns=boston.feature_names)
y = pd.DataFrame(boston.target, columns=['MEDV'])

3. 数据集划分为训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 创建线性回归模型并进行训练：

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

5. 对测试集进行预测并计算均方误差：

y_pred = reg.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
print('均方误差：', mse)

6. 可以输出预测结果和实际结果进行比较：

result = pd.DataFrame({'Actual': y_test['MEDV'], 'Predicted': y_pred.flatten()})
print(result)

7. 最后，我们可以画出实际房价和预测房价的散点图：

plt.scatter(y_test, y_pred)
plt.xlabel('实际房价')
plt.ylabel('预测房价')
plt.show()

以上就是Python实现多元线性回归预测波士顿房价的步骤。