概述
波士顿房价预测是机器学习、数据分析入门的经典案例。下面我们通过这个案例来一起学习相关内容。
数据集描述
此数据源于美国某经济学杂志上,分析研究波士顿房的数据集,共有506个样本数据,13个输入特征和1个输出特征。
名称 | 说明 |
---|---|
CRIM | 城镇人均犯罪率 |
ZN | 住宅地所占的比例 |
INDUS | 城镇非住宅地所占比例 |
CHAS | 是否临近Charies River |
NOX | 一氧化氮浓度 |
RM | 屋子的平均房间数 |
AGE | 1940年之前建成的自住单位的比例 |
DIS | 距离5个波士顿就业中心的加权距离 |
RAD | 距离高速公路的可达指数 |
TAX | 全值财产税率 |
PARATIO | 学生与教师的比例 |
B | 城镇重黑人所占比例 |
LSTAT | 低收入人群占比 |
MEDV | 同类房屋价格的中位数 |
数据集下载
可以sklearn.datasets直接加载数据(from sklearn.datasets import load_boston)
或者可以从AI Studio上查找。
波士顿房价预测模型
简单线性回归分析
手写梯度下降法预测模型
继续更新中,敬请期待~