sklearn 波士顿房价 线性回归

参考链接：

• https://blog.csdn.net/u013869488/article/details/78244923
• https://blog.csdn.net/CalvinHARRIS/article/details/83588673
• https://cloud.tencent.com/developer/article/1331849
• https://blog.csdn.net/huangxiaoyun1900/article/details/82229708

前言：最近参加了百度的NLP专题，其中往期http://abcxueyuan.cloud.baidu.com/newlab/#/lab_detail/lab_simple_say?id=114是使用百度的paddle

目录

第一步 载入数据

第二步 观测数据

第三步 处理数据

第四步 模型判断

第五步 预测数据

---

第一步 载入数据

from keras.datasets import boston_housing

# 读取数据
(X_train, y_train), (X_test, y_test) = boston_housing.load_data()

# sklearn

# import pandas as pd
# from sklearn.datasets import load_boston
# from sklearn.model_selection import train_test_split
# boston = load_boston()
# X = boston.data
# y = boston.target

# 转化为dataframe
# X = pd.DataFrame(X, columns=boston.feature_names)
# y = pd.DataFrame(y, columns=['MEDV'])

# 分割数据集
# X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=10)

第二步 观测数据

• 数据集特征