作业-机器学习-波士顿房价预测 四种回归算法

# -*- coding:utf-8 -*-
#基于波士顿房屋租赁数据进行房屋租赁价格预测模型构建，使用lasso回归算法做特征选择后，分别使用线性回归，
#Lasso回归， Ridge回归， ElasticNet四类回归算法构建模型（分别测试1，2，3阶）

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import pandas as pd
import warnings
import sklearn
from sklearn.linear_model import LinearRegression,LassoCV,RidgeCV,ElasticNetCV
from sklearn.preprocessing import PolynomialFeatures #多项式特征
from sklearn.pipeline import Pipeline
from sklearn.linear_model.coordinate_descent import ConvergenceWarning #拦截异常的
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.grid_search import GridSearchCV #从sklearn.grid_search中导入网格搜索模块GridSearchCV。
from sklearn import metrics #评价指标

def notEmpty(s):
return s !='' #是空的话就是FLASE，不是空的话就是TRUE

#设置字符集，防止中文乱码

mpl.rcParams['font.sans-serif']=[u'simHei']
mpl.rcParams['axes.unicode_minus']=False
#拦截异常
warnings.filterwarnings(action = 'ignore', category=ConvergenceWarning)


# 加载数据
names = ['CRIM','ZN', 'INDUS','CHAS','NOX','RM','AGE','DIS','RAD','TAX','PTRATIO','B','LSTAT'] #前13个和房价相关的字段，LSTAT为房价
path = "datas/boston_housing.data"
# 由于数据文件格式不统一，所以读取的时候，先按照一行一个字段属性读取数据，然后再安装每行数据进行处理
fd = pd.read_csv(path,header=None)
#print(fd.shape)
data = np.empty((len(fd),14)) # len(fd)行，14列
for i, d in enumerate(fd.values): #enumerate生成一列索引i,d为其元素
 d = map(float,filter(notEmpty,d[0].split(' '))) #filter一个函数，一个list, 就是空的扔掉，有值的留下

 #根据函数结果是否为真 ，来过滤list中的项
 data[i]=list(d)

#分割数据
x,y = np.split(data,(13,),axis=1) #分割前13列数据
# print(x[0:5])
#print(y) 由于y是个二维的，所以要用ravel拉成一维的
y = y.ravel() #转换格式 拉直操作
#print(y[0:5])
ly=len(y)
# print(y.shape)
print('样本数据量:%d,特征个数:%d '%x.shape)
print('target样本数据量:%d'%y.shape[0])

#Pipeline常用于并行调参
models = [
 Pipeline([
 ('ss', StandardScaler()),
 ('poly', PolynomialFeatures()),
 ('linear', RidgeCV(alphas=np.logspace(-3,1,20)))
 ]),
 Pipeline([
 ('ss', StandardScaler()),
 ('poly', PolynomialFeatures()),
 ('linear', LassoCV(alphas=np.logspace(-3,1,20))) #logspace 以10为底，从10的-3次方止10的0次方，中间有20步
 ]),
 Pipeline([
 ('ss', StandardScaler()),
 ('poly', PolynomialFeatures()),
 ('linear', LinearRegression())
 ]),
 Pipeline([
 ('ss', StandardScaler()),
 ('poly', PolynomialFeatures()),
 ('linear', ElasticNetCV(alphas=np.logspace(-3,1,20)))
 ])
]

#参数字典，字典中的key是属性的名称，value是可选的参数列表
parameters = {
"poly__degree": [3,2,1],
 "poly__interaction_only": [True, False],#只产生交互相选TRUE，得到[0次方，X本身，Y本身，X1*Y1] ；默认选FLASE，不仅产生交互项，如X1*X1,Y1*Y1也会有
 "poly__include_bias": [True, False], #多项式幂为零的特征作为线性模型中的截距,默认为True
 "linear__fit_intercept": [True, False]
}

# rf = PolynomialFeatures(2,interaction_only=True)
# a = pd.DataFrame({
# 'name':[1,2,3,4,5],
# 'score':[2,3,4,4,5]
# })
# b=rf.fit_transform(a)
# print(b)

#数据分割
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=0)

#Lasso和Ridge模型比较运行图表展示
titles = ['Ridge','Lasso','LinearRegression','ElasticNet']

转载于:https://www.cnblogs.com/gwj23/p/10604611.html