sklearn 预测房价 线性回归的例子

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!:)