算法梳理进阶任务三：测评函数(单变量)

最新推荐文章于 2023-03-28 20:06:53 发布

qq_40061088

最新推荐文章于 2023-03-28 20:06:53 发布

阅读量237

点赞数

分类专栏： datawhale 算法梳理进阶

本文链接：https://blog.csdn.net/qq_40061088/article/details/88093004

版权

使用波士顿房产数据，仅考虑房间数量（RM）这一特征，通过数据切分、预处理、线性回归模型训练，计算并展示了MSE、RMSE、MAE和r2_score四种评估指标，以理解房间数量对房价的影响。

摘要由CSDN通过智能技术生成

【测评函数(单变量)】

波士顿房产数据(只使用房间数量这个特征)
数据切分（train_test_split）
MSE、MAE、RMSE、r2_score

import pandas as pd
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression

boston = datasets.load_boston()
x = boston.data #获得数据集的特征属性列
y = boston.target #获得数据集的label列
df = pd.DataFrame(data = np.c_[x,y],columns=np.append(boston.feature_names,[‘MEDV’])) #np.c_是按列连接两个矩阵，就是把两矩阵左右相加，要求列数相等
df = df[[‘RM’,‘MEDV’]] #选择房间数属性列和房价属性列

x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.3) #划分数据集

scaler = StandardScaler() #作用：去均值和方差归一化。可保存训练集中的均值、方差参数，然后直接用于转换测试集数据。
x_train = scaler.fit_transform(x_train)
x_test = scaler.fit_transform(x_test)<