python 多元线性回归_python sklearn库实现多元线性回归模型的建立，并进行评估和调优...

1.数据集的导入以及自变量和因变量的选取

作为机器学习的入门知识点和模型，网上有很多sklearn库实现线性回归的例子。不过在这里我会从最开始的模型训练到最后的模型调优，统一地进行一个练习，以便对线性回归有个更深入浅出的理解。

首先我们先导入一些相关的包：

import pandas as pd

import matplotlib.pyplot as plt

import matplotlib as mpl

from sklearn.linear_model import LinearRegression

from sklearn.model_selection import cross_val_predict, train_test_split

from sklearn import datasets

%matplotlib inline

mpl.rcParams['font.family'] = ['sans-serif']

mpl.rcParams['font.sans-serif'] = ['SimHei']

mpl.rcParams['axes.unicode_minus']=False

作为回归模型练习的数据集，就从经典的波士顿房价数据集来进行训练就好，这也是sklearn库中自带的小数据集。在这里，作为自变量X的就是数据集中的feature_names维度，总共有13个维度，所以这是一个多元线性回归模型；因变量y就是我们数据集中的target维度——房价。

data = datasets.load_boston()

df = pd.DataFrame(data.data, columns=data.feature_names)

ta