使用线性回归模型预测房价

数据准备

将以下数据存储为csv格式便于使用：

所得csv文件如下：

一元线性回归预测

使用pandas来读取csv文件并且导入sklearn包中的线性模型。具体代码如下：

import pandas as pd  # 读取csv文件
from sklearn import linear_model  # 线性模型

data = pd.read_csv('PriceData.csv')
regr = linear_model.LinearRegression()  # 线性回归模型
regr.fit(data.square_feet.values.reshape(-1, 1), data.price)
print(regr.predict([[1000]]))  # 预测面积为1000时的房价

代码运行输出如下：

多元线性回归预测

为数据加入两项新的特征地段和新旧，数据集csv文件内容如下：

具体实现代码如下：

import pandas as pd  # 读取csv文件
from sklearn import linear_model  # 线性模型

data = pd.read_csv('PriceData.csv')
trainData = data.iloc[:, 1:4]  # 取读取数据的2、3、4列作为训练数据，每条训练数据都有三个特征
trainLabel = data.price
regr = linear_model.LinearRegression()
regr.fit(trainData, trainLabel)
print(regr.predict([[1200, 720, 700]]))  # 预测特征为[[1200, 720, 700]]时的房价

代码运行输出如下：