多元线性回归算法预测房价

一：背景介绍：

波士顿房价数据集包括多个样本，每个样本包括多个特征变量和该地区的平均房价。房价（单价）显然和多个特征变量相关，不是单变量线性回归（一元线性回归）问题；选择多个特征变量来建立线性方程，这就是多变量线性回归（多元线性回归）问题。
房价和多个特征变量相关，本案例尝试使用多元线性回归建模

多元线性回归：在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。

• 一元线性回归分析的数学模型为：y = a+bx+ε。
• 使用偏差平方和分别对参数a和参数b求偏导，可以得到线性模型的未知参数a、b的最小二乘估计值，其中，偏差平方和定义为∑(yi-a-bXi)2
• 

二：数据数值的处理：

数据的几个问题：

1.数据缺失  （比如有的数据会自动变成0） 2.数据不一致 3.数据不规范等

修改错误的数据：选中数据，选中筛选，选中数字筛选，选中大于（0），完成数据的清洗操作

 

非数值型数据的转化：

三：EXCEL表格实行实现 

1.删除非数据项，实现线性回归

2.选择数据-数据回归-勾选线性分析

更多-选项-加载项-转到-选中分析工具库

输出结果如图所示：