线性回归预测房子价格（正规方程、梯度下降、岭回归）

最新推荐文章于 2024-04-25 16:13:15 发布

Crfrozen

最新推荐文章于 2024-04-25 16:13:15 发布

阅读量417

点赞数

文章标签：机器学习

本文链接：https://blog.csdn.net/Crfrozen/article/details/118381358

版权

该博客介绍了如何使用线性回归模型预测波士顿地区房价，包括使用正规方程、随机梯度下降和岭回归三种方法。通过sklearn库加载数据，进行数据预处理，将数据集划分为训练集和测试集，并进行标准化处理。然后分别训练模型，获取预测结果，并计算均方误差评估模型性能。

摘要由CSDN通过智能技术生成

from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression, SGDRegressor
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
from sklearn.linear_model import Ridge

import joblib


def mylinear():
    """
    线性回归直接预测房子的价格
    :return: None
    """
    #获取数据
    lb = load_boston()

    #分割数据集到训练集和测试集
    x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target, test_size=0.25)
    print(y_train, y_test)

    #进行标准化处理   目标值是否需要进行标准化处理？
    #特征值和目标值都需要进行标准化处理  实例化两个标准化API
    std_x = StandardScaler()
    x_train = std_x.fit_transform(x_train)
    x_test = std_x.transform(x_test)

    #目标值 标准化
    std_y = StandardScaler()
    y_train = std_y.fit_transform(y_train.reshape(-1, 1))
    y_test = std_y.transform(y_test.reshape(-1, 1))

    #预测房价结果
    model = joblib.load("./