python线性回归预测波士顿房价_预测波士顿的房价|简单的线性回归入门

这是菜鸟学Python的第133篇原创文章

阅读本文大概需要3分钟

菜鸟独白

前面介绍完了knn算法(小白入门最简单的机器学习算法)，算是机器学习里的Hello World. 机器学习还有好多好多算法，监督学习算法里面有两大类，一类是分类，一类是回归！回归更有趣，可以做很多事情比如数据的预测，这个很牛逼啊！今天我们通过对美国波士顿的房价数据，来学习一下最最简单的线性回归算法。

怎么玩呢：了解波士顿房价数据

分析数据的特征值

可视化数据

选择线性回归模型来训练数据

测试模型的准确性

1.什么是线性回归

线性回归一般用来解决连续值变量预测问题，针对的是数值型的样本。用来探索自变量和因变量之间是线性相关关系。今天我们介绍入门级别的简单线性回归算法(也叫一元线性回归)，何为简单线性回归呢，说白了就是样本特质只有一个值.

比如我们有一份房屋面积和价格的数据，很明显自变量(面积)和因变量(房价)是强相关的，房屋的面积为x，房价为y，这里会有一个方程:y=ax+b

线性回归就是指利用样本(已知数据)，产生拟合方程，回归的求解就是求这个回归方程的回归系数。一旦我们得到了这个方程，预测的方法当然十分简单，回归系数乘以输入值再全部相加就得到了预测值。

既然是要找出一个最佳的拟合线，就是求解线性回归方程，我们喂给机器一堆数据，只要能解析出a和b就可以了！a术语叫斜率，b叫截距.只要我们拿到了a,b就可以画出直线，