回归模型与房价预测

1. 导入boston房价数据集

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。

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。

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. 导入boston房价数据集
from sklearn.datasets import load_boston #导入波士顿房价数据
boston = load_boston()
boston.keys()
print(boston.DESCR)
data=boston.data
boston.feature_names #数据集特征
boston.target
​import pandas as pd
df=pd.DataFrame(data) #将数据转化为数据框
df

　　 

​#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
x=data[:,5]
y=boston.target

import matplotlib.pyplot as plt
plt.figure(figsize=(10,6))
plt.scatter(x,y)
plt.plot(x,6.66*x-30,'g')
plt.show()
from sklearn.linear_model import LinearRegression
LineR = LinearRegression()
LineR.fit(x.reshape(-1,1),y)
LineR.coef_
LineR.intercept_

　　

​#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。
from sklearn.linear_model import LinearRegression
LineR = LinearRegression()
LineR.fit(boston.data,y)
w=LineR.coef_
b=LineR.intercept_
w
b

 

x=boston.data[:,12] 
y=boston.target
plt.figure(figsize=(10,6))
plt.scatter(x,y)
plt.plot(x,5.75*x-40.58,'g')#回归线
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。
import matplotlib.pyplot as plt
x=boston.data[:,12].reshape(-1,1)
y=boston.target
plt.figure(figsize=(10,6))
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()

from sklearn.preprocessing import PolynomialFeatures
poly=PolynomialFeatures(degree=2)
x_poly=poly.fit_transform(x)

lrp=LinearRegression()
lrp.fit(x_poly,y)
y_poly_pred=lrp.predict(x_poly)
plt.scatter(x,y)
plt.scatter(x,y_pred)
plt.scatter(x,y_poly_pred)
plt.show()

　　

 

转载于:https://www.cnblogs.com/ljy28/p/10095425.html