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