机器学习记录一load_boston数据线性回归

主要流程：1.下载数据集。2.数据集划分。3.选择模型及拟合。4.预测

1.

#下载数据集
from sklearn.datasets import load_boston
boston = load_boston()
#查看数据键值
boston.keys()
#dict_keys(['data', 'target', 'feature_names', 'DESCR', 'filename'])
x = boston['data']
y = boston['target']
#查看数据结构
x.shape
#(506, 13)   #506个样本，13个属性

2.

x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2)

3.

#选择模型拟合训练集
from sklearn.linear_model import LinearRegression
lr = LinearRegression()
lr.fit(x_train,y_train)

4.

#使用测试集测试数据
y_ = lr.predict(x_test)
#预测值与真实值的差距
(y_test-y_).round(2)