房价预测代码实现

房价预测代码实现

# 导入需要用到的库
import numpy as np
import matplotlib.pyplot as plt

# 定义存储输入数据（x）和目标数据（y）的数组
x, y = [], []
# 遍历数据集，变量sample对应的正是一个个样本
for sample in open("C:\\Users\\dell\\Desktop\\house_prices.txt", 'r'):
    _x, _y = sample.split(",")
    # 将字符串数据转化为浮点数
    x.append(float(_x))
    y.append(float(_y))
# 读取完数据后，将他们转化为Numpy数组以方便进一步的处理
x, y = np.array(x), np.array(y)
# 标准化
x = (x - x.mean()) / x.std()
# 将原始数据集以散点的形式画出
plt.figure()
plt.scatter(x, y, c="g", s=6)
plt.show()
# (-2,4)这个区间上取100个点作为画图的基础
x0 = np.linspace(-2, 4, 100)
# 利用Numpy的函数定义训练并返回多项式回归模型的次数
# deg参数代表着模型参数中的n，即模型中多项式的次数
# 返回的模型能够根据输入的x（默认是x0）,返回预测的y
def get_model(deg):
    return lambda input_x=x0: np.polyval(np.polyfit(x, y ,deg), input_x)
# 根据参数n、输入的x,y返回相对应的损失
def get_cost(deg, input_x,input_y):
    return 0.5 * ((get_model(deg)(input_x) - input_y) ** 2).sum()
# 定义测试函数集并根据它进行各种实验
test_set = (1, 4, 10)
for d in test_set:
    # 输出损失
    print(get_cost(d, x, y))
# 画出相应的图像
plt.scatter(x, y, c="g", s=20)
for d in test_set:
    plt.plot(x0, get_model(d)(), label="degree = {}".format(d))
# 将横轴和纵轴的范围分别限制在(-2,4)和(10^5,10^6)
plt.xlim(-2, 4)
plt.ylim(1e5, 1e6)
# 调用legend方法使曲线对应的label正确显示
plt.legend()
plt.show()

根据已知的房子面积和价格进行机器学习和模型预测：
先建立数组，将x，y对应数据导入，转化为浮点数再转化为numpy数组，标准化后输出散点图。
再利用numpy函数定义训练并返回多项式回归模型的次数，根据不同的多项式次数输出相应损失，画出图像，控制横纵坐标范围，输出图像，选择合适的模型进行预测。
利用不同的多项式次数进行输出模拟图片，可直接观察出预测结果的拟合情况，避免出现过拟合情况。

相关语法：
p=polyfit(x,y,n)：最小二乘法计算拟合多项式系数。x，y为拟合数据向量，要求维度相同，n为拟合多项式次数。返回p向量保存多项式系数，由最高次向最低次排列。
y=polyval(p,x)：计算多项式的函数值。返回在x处多项式的值，p为多项式系数，元素按多项式降幂排序。

优点：
最小二乘法能通过最小化误差的平方和寻找数据的最佳函数匹配；能简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小；可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。当自变量和因变量同时存在均值为零，相同方差的随机误差时，此方法能给出在统计意义上最好的参数拟合结果。
缺点：
在回归过程中，回归的关联式不可能全部通过每个回归数据点。