博文配套视频课程:24小时实现从零到AI人工智能
波士顿房价数据集背景介绍
波士顿房价数据集是统计的20世纪70年代中期波士顿郊区房价的中位数,统计了当时教区部分的犯罪率、房产税等共计13个指标,统计出房价,试图能找到那些指标与房价的关系。本例子明显的是属于回归模型的案例。在数据集中包含506组数据,其中404是训练样本,剩下的102组数据作为验证样本
获取scikit-learn框架数据集
load_boston 数据集默认是scikit官方提供的数据集,采用的是dict方式提供,里面包括特征值、目标值、特征名、和详细介绍信息。掌握数据的获取与存取显的非常重要,可能以后数据在服务器就可以采用此方式返回。
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error
import numpy as np
from sklearn.utils import Bunch
# 1:加载网络数据
lb = load_boston(return_X_y=False)
# 2:获取特征值与目标值
X = lb['data']
y = lb['target']
print(X.shape, y.shape)
# 3:拆分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=1)
创建机器学习模型
创建线性回归的机器学习模型,对模型的训练集进行训练,训练的过程就是获取权重与偏重的过程,例如官方有13个特征值那么训练结果将会有13个权重(lr.coef_)和1个偏置(lr.intercept_)
lr = LinearRegression()
# 把训练集交给模型
# y = w1 * x1 + w2 * x2 + ...... w13 * x13 + b
lr.fit(X_train, y_train)
# 训练的过程就是查找权重和偏置的过程
print(lr.coef_, lr.intercept_)
获取测试集正确率
输出结果发现,正确率非常低,这是因为多元一次方程最后生成的模型只能是一条直线,但是在生产过程中很多变化趋势是曲线,因此我们下节课要采用多项式回归
y_predict = lr.predict(X_test)
# 绝对值的平均误差
mae = np.sum(np.absolute(y_predict - y_test)) / len(y_test)
print('mae误差为:', mae)
mae = mean_absolute_error(y_test, y_predict)
print('mae误差为:', mae)
# 把误差转化为正确率
print('训练集正确率', lr.score(X_train, y_train), '测试集正确率', lr.score(X_test, y_test))