线性回归模型预测波士顿房价并绘图_基于线性回归的波士顿房价预测 - CSDN文库

5星 · 超过95%的资源 61 浏览量更新于2023-03-03 评论 13 收藏 123KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

线性回归模型预测波士顿房价并绘图线性回归模型预测波士顿房价并绘图

波士顿房价波士顿房价

这是 sklearn.datasets 里的一种 Toy Dataset ，包含503个美国波士顿房价的观测值，是内置的小数据集，也是研究回归算法

的优秀数据集。

Python编程实现编程实现

import matplotlib.pyplot as plt

import matplotlib.font_manager as fm

import numpy as np

import pandas as pd

from sklearn.datasets import load_boston

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LinearRegression

from sklearn import metrics

from sklearn.metrics import r2_score

# 从读取的房价数据存储在boston变量中

boston = load_boston()

# 打印boston包含的内容

print(boston.keys())

# 打印data的变量名

print(boston.feature_names)

# 将data转换为DataFrame格式以方便显示

bos = pd.DataFrame(boston.data)

# data的第6列数据为RM

print(bos[5].head())

# 将data转换为DataFrame格式以方便显示

bos_target = pd.DataFrame(boston.target)

print(bos_target.head())

# 选取data中的RM变量

x = bos.iloc[:, 5:6] # 设定target为y

y = bos_target

# 定义自定义字体，文件名是系统中文字体

myfont = fm.FontProperties(fname='C:/Windows/Fonts/msyh.ttc')

plt.scatter(x, y)

# x轴标签设定文字为中文msyh格式

plt.xlabel(u'住宅平均房间数', fontproperties=myfont)

# y轴标签设定文字为中文msyh格式

plt.ylabel(u'房地产价格', fontproperties=myfont)

# 标题

plt.title(u'RM与MEDV的关系', fontproperties=myfont)

plt.show()

# 把x、y转化为数组形式，便于计算

x = np.array(x.values)

y = np.array(y.values)

# 以25%的数据构建测试样本，剩余作为训练样本

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)

print(x_train.shape, x_test.shape, y_train.shape, y_test.shape)

# 设定回归算法

lr = LinearRegression()

# 使用训练数据进行参数求解

lr.fit(x_train, y_train)

# LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)

print('求解系数为：', lr.intercept_)

print('求解系数为：', lr.coef_)

# 对测试集的预测

y_hat = lr.predict(x_test)

# 打印前10个预测值

y_hat[0:9] # y_test与y_hat的可视化

# 设置图片尺寸

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

评论10

BJWcn

2023-07-24

该文件解释了线性回归模型如何应用于预测波士顿房价，对初学者非常友好。

weixin_38725902

粉丝: 4
资源: 930

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈