回归模型与房价预测

 

 

 

 1. 导入boston房价数据集。

1 2 3 4

from  sklearn.datasets  import  load_boston boston  =  load_boston() boston.keys() print (boston.data)

2. 一元线性回归模型，建立一个变量与房价之间的预测模型，并图形化显示。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

import  pandas as pd  #导包 pd.DataFrame(boston.data)     #预处理获取斜率     from  sklearn.linear_model  import  LinearRegression LineR  =  LinearRegression() LineR.fit(x.reshape( - 1 , 1 ),y) w = LineR.coef_     #图形化显示 x  =  data[:, 5 ] y  =  boston.target     import  matplotlib.pyplot as plt plt.scatter(x,y) plt.plot(x,w * x + b, 'G' ) plt.show()

　　

 

3. 多元线性回归模型，建立13个变量与房价之间的预测模型，并检测模型好坏，并图形化显示检查结果。

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

from  sklearn.linear_model  import  LinearRegression lineR  =  LinearRegression() lineR.fit(boston.data,y) w  =  lineR.coef_ b  =  lineR.intercept_     import  matplotlib.pyplot as plt x = boston.data[:, 12 ].reshape( - 1 , 1 ) y = boston.target plt.figure(figsize = ( 10 , 6 ))  #指定显示图大小 plt.scatter(x,y)         from  sklearn.linear_model  import  LinearRegression lineR = LinearRegression() lineR.fit(x,y) y_pred = lineR.predict(x) plt.plot(x,y_pred, 'G' ) print (lineR.coef_,lineR.intercept_) plt.show()

　　

 

4.  一元多项式回归模型，建立一个变量与房价之间的预测模型，并图形化显示。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

xx  =  data[:, 12 ].reshape( - 1 , 1 ) plt.scatter(xx,y) plt.show()     lr12  =  LinearRegression() lr12.fit(xx,y) w  =  lr12.coef_ b  =  lr12.intercept_ plt.scatter(xx,y) plt.plot(xx,w * xx + b, 'G' ) plt.show()         from  sklearn.preprocessing  import  PolynomialFeatures p  =  PolynomialFeatures() p.fit(xx) x_poly  =  p.transform(xx)         lrp  =  LinearRegression() lrp.fit(x_poly,y) lrp.coef_ lrp.intercept_         lrp  =  LinearRegression() lrp.fit(x_poly,y) y_poly  =  lrp.predict(x_poly) plt.scatter(xx,y) plt.plot(xx,w * xx + b, 'G' ) plt.scatter(xx,y_poly) plt.show() lrp.coef_

　　

 

 

 

转载于:https://www.cnblogs.com/yulinzzz/p/10134151.html