多元线性回归算法预测房价

一、多元线性回归的概念

在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。

二、EXCEL的多元线性回归解析

1.删除非必要数据项

2.选择数据分析（若没有该选项可直接百度搜索解决方法）

3.选定数据区域

4.结果如下：

三、用Sklearn库做多元线性回归解析

1.导入数据
选择数据表后进行上传

2.导入相关包

import pandas as pd
import numpy as np
import seaborn as sns
from sklearn import datasets
from sklearn.linear_model import LinearRegression

3.读取文件

df = pd.read_csv('house_prices.csv')
df.info()#显示列名和数据类型类型
df.head(6)#显示前n行，n默认为5

4.取出自变量

#取出自变量
data_x=df[['area','bedrooms','bathrooms']]
data_y=df['price']

5.进行多元线性回归

# 进行多元线性回归
model=LinearRegression()
l_model=model.fit(data_x,data_y)
print('参数权重')
print(model.coef_)
print('模型截距')
print(model.intercept_)

6.结果如下所示：

7.进行数据处理（需要进行异常值检测）

# 异常值处理
# ================ 异常值检验函数：iqr & z分数 两种方法 =========================
def outlier_test(data, column, method=None, z=2):
    """ 以某列为依据，使用 上下截断点法 检测异常值(索引) """
    """ 
    full_data: 完整数据
    column: full_data 中的指定行，格式 'x' 带引号
    return 可选; outlier: 异常值数据框