使用线性回归模型LinearRegression和SGDRegression分别对美国波士地区房价进行预测

最新推荐文章于 2024-07-19 21:09:04 发布

459817216

最新推荐文章于 2024-07-19 21:09:04 发布

阅读量1.9k

点赞数 2

分类专栏：机器学习

本文链接：https://blog.csdn.net/u014727529/article/details/78395179

版权

本文利用sklearn库中的LinearRegression和SGDRegressor模型对波士顿地区的房价进行预测。首先，对数据进行预处理，包括查看数据信息、分割数据集以及对特征和目标值进行标准化。然后，分别训练两个模型并进行预测，最后通过r2_score、mean_squared_error和mean_absolute_error评估模型的性能。

摘要由CSDN通过智能技术生成

from sklearn.datasets import load_boston
from sklearn.cross_validation import train_test_split
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression
from sklearn.linear_model import SGDRegressor
from sklearn.metrics import r2_score,mean_squared_error,mean_absolute_error
#导入数据
boston = load_boston()
#查看数据信息
print(boston.DESCR)
X = boston.data
y = boston.target
#对数据进行分割
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.25,random_state=33)
print('The max target value is:',np.max(boston.target))
print('\n'*2)
print('The min target is :',np.min(boston.target))
print('\n'*2)
print('The average of target value is',np.average(boston.target))
#通过上面可以发现数据预测目标房价之间的差异较大，因此需要对特征以及目标进行标准化处理