波士顿房价的回归分析python
时间: 2023-07-25 17:31:37 浏览: 39
好的,关于波士顿房价的回归分析,我们可以使用Python中的Scikit-learn库来实现。下面是一份简单的代码示例:
```
# 导入必要的库
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score
# 加载数据集
boston = load_boston()
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(boston.data, boston.target, test_size=0.3, random_state=42)
# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)
# 预测结果
y_pred = model.predict(X_test)
# 评估模型
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)
print("Mean Squared Error: ", mse)
print("R^2 Score: ", r2)
```
代码解释:
1. 首先我们导入了必要的库:`load_boston`用于加载波士顿房价数据集,`LinearRegression`用于创建线性回归模型,`train_test_split`用于划分数据集,`mean_squared_error`和`r2_score`用于评估模型的性能。
2. 接着我们加载了波士顿房价数据集,并将其划分为训练集和测试集,其中测试集占总数据集的30%。
3. 然后我们创建了一个线性回归模型,并将其拟合到训练数据上。
4. 接下来我们使用训练好的模型来预测测试集的房价。
5. 最后,我们使用均方误差(MSE)和R平方(R^2)来评估模型的性能。MSE越小,模型越好;R^2越接近1,模型越好。
希望这份代码能够帮助您实现波士顿房价的回归分析。