【机器学习笔记day22】4.2. 线性回归案例分析+波士顿房价预测

最新推荐文章于 2021-06-06 16:34:22 发布

汪雯琦

最新推荐文章于 2021-06-06 16:34:22 发布

阅读量1.7k

点赞数 1

分类专栏：【机器学习与深度学习】文章标签：机器学习 python 深度学习数据分析人工智能

本文链接：https://blog.csdn.net/qq_35456045/article/details/104135916

版权

本文通过scikit-learn的线性回归模型分析波士顿房价预测，探讨了数据预处理、模型训练与评估。线性回归作为基础模型，虽然简单但能作为数据分析的基准。对比了LinearRegression与SGDRegressor，后者在大规模数据时更高效。

摘要由CSDN通过智能技术生成

4.2. 线性回归案例分析

在这里插入图片描述

线性回归案例分析

波士顿房价预测

使用scikit-learn中内置的回归模型对“美国波士顿房价”数据进行预测。对于一些比赛数据，可以从kaggle官网上获取，网址：https://www.kaggle.com/datasets

1.美国波士顿地区房价数据描述

from sklearn.datasets import load_boston

boston = load_boston()

print boston.DESCR

2.波士顿地区房价数据分割

from sklearn.cross_validation import train_test_split
import numpy as np
X = boston.data
y = boston.target

X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=33,test_size = 0.25)

3.训练与测试数据标准化处理

from sklearn.preprocessing import StandardScaler
ss_X = StandardScaler()
ss_y = StandardScaler()

X_train = ss_X.fit_transform(X_train)
X_test = ss_X.transform(X_test)
y_train = ss_X.fit_transform(y_train)
X_train = ss_X