机器学习——回归模型房价预测

对“data.csv”数据中的二手房房价数据集，通过LinearRegression进行实现房价预测。

要求：预测建筑面积为180平米的房子的总价是多少。

import pandas as pd

from sklearn import linear_model

import matplotlib.pyplot as plt

from sklearn.metrics import *

data=pd.read_csv("data.csv")

del data['Unnamed:0']

data.dropna(axis=0,how='any',inplace=True)

data[总价']=data['总价'].map(lambda e:e.replace('万'，' ')

 

data[’总价']=data[’总价'].astype(float)

data['建筑面积']=data['建筑面积'].map(1ambda p:p.replace('平米',''))

 

data['建筑面积']=data['建筑面积'].astype(float)

 

new_data=data[['总价’,'建筑面积']]

data_train=new_data.loc[e:2001]

data_test=new_data.loc[2001:]

data_train=data_train-data_train.mean()/data_train.std()

 

x_train=pd.DataFrame(data_train['建筑面积'])

y_train=pd.DataFrame(data_train['总价'])

data_test=data_test-data_test.mean()/data_test.std()

 

x_test=pd.DataFrame(data_test['建筑面积'])

y_test=pd.DataFrame(data_test['总价'])

clf=linear model.Ridge()

clf.fit(x_train,y_train)

w=clf.coef_

b=clf.intercept_

y5=180*w+b

print(y5)