前言:
预测房价可以说是,机器学习中回归的经典例子之一,接下来让我们用sklearn来学习他的具体操作。代码如下
from sklearn import datasets #这里导入数据包
from sklearn.linear_model import LinearRegression #这里采用回归方法
import matplotlib.pyplot as plt
load_data = datasets .load_boston() #这里下载波士顿的房价数据
data_x = load_data.data #将房子的属性参数给赋值
data_y = load_data.target #将相应的房价赋值
print(data_x[:1]) #这里我们查看一下一间房子有哪些属性
model = LinearRegression() #这里采用回归模型
model.fit(data_x,data_y) #这里将值给与模型
print(model.coef_) #这里打印权值
print(model.intercept_) #这里打印偏移量
temp_x = data_x[:50] #这里我们用前50个数据来进行预测
#这里我们采用房子的第一个属性 来显示与房价的关系
plt.scatter(temp_x[:,:1],model.predict(temp_x),color = 'r',label = 'predicition') #这里绘制预测的房价
plt.scatter(temp_x[:,:1],data_y[:50],color = 'b',label = 'original_data') #这里预测实际的房价
print(model.score(data_x,data_y)) #这里给我们的训练打分
plt.show() #这里显示图像结果
We start it here! Welcome to learn!!!!!!
从图中我们可以分别看到
一个房子的属性; 权重集合; 偏移量; 还有最后的评分 (评分最高为1)
这是我们输出的结果, 红色为预测值,蓝色为实际房价,这里用房子的第一个属性来显示与房价关系!!!
happy learning!:)