加州房价数据集--线性回归预测

今天虽然是周六，但是我还是选择了把线性回归给写完：本章节只是简单的线性回归，抛弃了object类型的数据，直接划分数据集训练集，另外在线性回归的过程中还遇到了数据清洗的问题，也希望自己写完这篇简单的回归，能够多加练习：

直接奉上代码：

import pandas as pd
file_path = pd.read_csv(r'housing.csv')
data = file_path
display(data)
data.info()
median = data['total_bedrooms'].median()#求房价的中位数
data['total_bedrooms'].fillna(median,inplace=True)#缺失值处理
data.info()
data = data.drop('ocean_proximity',axis=1)#删除最后一列
data
X = data.drop("median_house_value",axis = 1)#再次删除最后一列作为标签y
y = data.median_house_value
y
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y,test_size=0.2, random_state=0)
X_train
from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X_train,y_train)
y_pred = model.predict(X_test)
y_test
y_pred
# score 打分
print("给预测评分：", model.score(X_test, y_test)) #评估预测结果