python回归分析预测模型_python 作业（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。

from sklearn.datasets import load_boston

import numpy as np

boston = load_boston()

boston.keys()

boston.target

import pandas as pd

df = pd.DataFrame(boston.data)

df

x = boston.data[:, 5] # 变量

y = boston.target # 房价

from sklearn.linear_model import LinearRegression

lineR = LinearRegression()

lineR.fit(x.reshape(-1, 1), y)

w = lineR.coef_ # x前的系数

b = lineR.intercept_ # 截距

print(w)

print(b)

from matplotlib import pyplot as plt

plt.figure(figsize=(10, 6))

plt.scatter(x, y)

plt.plot(x, 9.1 * x - 34.6, 'r')

plt.show()

from sklearn.linear_model import LinearRegression

lineR = LinearRegression()

lineR.fit(boston.data,y)

w = lineR.coef_

b = lineR.intercept_

print(w)

print(b)

from sklearn.linear_model import LinearRegression

lineR = LinearRegression()

lineR.fit(x, y)

y_pred = lineR.predict(x)

plt.plot(x, y_pred)

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()