【机器学习】线性回归之加州房价预测

Fx_x

已于 2022-11-06 21:47:45 修改

阅读量2.4k

点赞数 1

分类专栏： Machine Learning 文章标签：线性回归 python

于 2022-11-06 21:12:59 首次发布

本文链接：https://blog.csdn.net/Fx_2003/article/details/127720946

版权

Machine Learning 专栏收录该内容

4 篇文章 2 订阅

订阅专栏

六、散点图显示家庭收入中位数和房价中位数的分布

一、分析数据

import pandas as pd #导入“Pandas”，用于数据读取和处理
#读入房价数据 read_csv()
df_housing = pd.read_csv("../data/house.csv")
#显示加州房价数据
df_housing # df_housing.head 只显示一部分数据

数据:

17000条数据（8个属性（特征）-影响房价的因素）

第九个是标签

longitude 经度

latitude 纬度

housing_median_age 房龄中位数

。。。。

这是加州各地区房价的整体统计信息（不是一套套房子的价格信息），是1990年的人口普查结果之一，共包含17 000个样本。其中包含每一个具体地区的经度（longitude）、纬度（latitude）、房屋的平均年龄（housing_median_age）、房屋数量（total_rooms）、家庭收入中位数（median_income）等信息，这些信息都是加州地区房价的特征。

数据集最后一列“房价中位数”（median_house_value）是标签。这个机器学习项目的目标，就是根据已有的数据样本，对其特征进行推理归纳，得到一个函数模型后，就可以用它推断加州其他地区的房价中位数。

二、拆分训练集和预测集

1、构建训练集和预测集

然后构建特征数据集X和标签数据集y，如下段代码所示。

在机器学习领域，似乎有一种习惯是把特征集X大写，把标签集y小写

因为最后一列是标签，所以我们去掉最后一列，其余的作为训练集X

#median_house_value 为csv文件中的最后一列
#构建特征集X
#drop 去掉最后一列，作为特征集X
# drop 默认删除行，删除列的话加上 “axis=1”
X = df_housing.drop("median_house_value",axis = 1)
#构建标签集y
#将最后一列赋给y
y = df_housing.median_house_value

y的部分数据如下：

2、拆分

#random_state 随机数种子，不同的随机数种子划分的结果不同

from sklearn.model_selection import train_test_split #导入数据集拆分工具
X_train, X_test, y_train, y_test = train_test_split(X, y,test_size=0.2, random_state=0) #以80%/20%的比例进行数据集的拆分

输出如下：可以看到被打乱了顺序

三、训练模型

# from sklearn.linear_model import SomeClassifier
from sklearn.linear_model import LinearRegression #导入线性回归算法模型
model = LinearRegression() #使用线性回归算法
model.fit(X_train, y_train) #用训练集数据，训练机器，拟合函数，确定参数
print(model.coef_,model.intercept_)

model.coef_:斜率 正值说明正相关，负值说明负相关

model.intercept_:截距(用的默认的----fit_intercept=True)

四、开始预测

y_pred = model.predict(X_test) #预测测试集的Y值
# print ('房价的真值(测试集)',y_test)
y_test

输出如下：

# print ('预测的房价(测试集)',y_pred)
y_pred

输出如下：

五、评价

# score 打分
print("给预测评分：", model.score(X_test, y_test)) #评估预测结果

输出如下：

给预测评分： 0.6321014171579477

越接近1说明拟合的方程越好

六、散点图显示家庭收入中位数和房价中位数的分布

import matplotlib.pyplot as plt #导入”matplotlib画图库“
plt.scatter(X_test.median_income, y_test,  color='brown')
#画出回归函数(从特征到预测标签)
plt.plot(X_test.median_income, y_pred, color='green', linewidth=1)
plt.xlabel('Median Income') #X轴-家庭收入中位数
plt.ylabel('Median House Value') #Y轴-房价中位数
plt.show() #显示房价分布和机器习得的函数图形