线性回归api再介绍

该博客介绍了使用线性回归进行波士顿房价预测的案例。首先,解释了数据大小不一致可能对回归结果的影响及标准化处理的重要性。接着,通过正规方程和梯度下降法实现线性回归模型,并使用sklearn库进行数据分割、标准化、模型训练及评估。最后,通过均方误差来衡量模型的预测效果。
摘要由CSDN通过智能技术生成

1 线性回归api再介绍

在这里插入图片描述

2. 案例:波⼠顿房价预测

2.1 案例背景介绍

在这里插入图片描述
在这里插入图片描述

2.2. 案例分析

回归当中的数据⼤⼩不⼀致,是否会导致结果影响较⼤。所以需要做标准化处理。

  • 数据分割与标准化处理
  • 回归预测
  • 线性回归的算法效果评估

2.3 回归性能评估

在这里插入图片描述
在这里插入图片描述

2.4 代码实现

  • 正规⽅程
"""
1. 获取数据
2. 数据基本数据
2.1 分割数据
3. 特征工程标准化
4. 机器学习---线性回归
5. 模型评估
"""
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression,SGDRegressor,RidgeCV,Ridge
from sklearn
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值