基于多元线性回归的波士顿房价预测

最新推荐文章于 2024-04-03 22:25:38 发布

原创

最新推荐文章于 2024-04-03 22:25:38 发布 · 2.4k 阅读

12 ·

CC 4.0 BY-SA版权

该项目运用boston房价数据集，通过多元线性回归进行预测。结果显示，调整后的R方为0.734，表明模型拟合效果一般。

本项目利用boston房价数据集联系简单的线性回归，若预测效果不够理想，可进一步进行非线性回归尝试。

# -*- coding: utf-8 -*-
from sklearn import datasets
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn import linear_model
import warnings
warnings.filterwarnings('ignore') 
boston=datasets.load_boston()
x=boston.data
y=boston.target
print(x.shape)
print(boston.DESCR)


'''
#练习
clf = linear_model.LinearRegression()
x=np.array([2,3,5,7,6]).reshape(-1,1)
y=np.array([6,10,14.5,21,18.5])
print(plt.scatter(x,y,color='blue'))
clf.fit(x,y) #训练模型
b,a=clf.coef_, clf.intercept_
print(b,a)

x=[[4]]
print(clf.predict(x))
print(plt.plot(x, a+b*x, color = 'red'))
'''
#波士顿房价
x=pd.DataFrame(boston.data, columns=boston.feature_names)
y=pd.DataFrame(boston.target,columns=['MEDV'])
print(plt.scatter(x['RM'],y,color='blue'))
print(plt.scatter(x['LSTAT'],y,color='blue'))

import statsmodels.api as sm
#statsmodels中线性回归模型没有截距项，下行给训练集加上一列数值为1的特征
x_add1=sm.add_constant(x)
model=