波士顿房价数据集——回归分析

分别使用线性回归、二次多项式回归、三次多项式回归对数据集Boston进行回归分析，并比较这三种回归的结果。

一、加载数据

# Boston数据集
# 使用load_boston()方法，从sklearn.datasets模块导入波士顿房价数据集
from sklearn.linear_model import LinearRegression 
from sklearn.datasets import load_boston
boston=load_boston()
X=boston.data
y=boston.target

二、模型训练

1、线性回归 

LinearRegression()是sklearn.linear_model的一个类，使用它进行线性回归分析，先生成一个LinearRegression类的实例，使用实例调用fit(X,y)方法来拟合数组自变量X和目标集y，拟合好回归方程后，可使用predict()方法预测新样本的回归值。

# 线性回归部分
clf_lin_reg=LinearRegression().fit(X,y)  # 生成一个线性回归模型的实例并调用模型
y_lin_reg_pred=clf_lin_reg.predict(X)    # 预测值
import matplotlib.pyplot as plt  
# 可视化部分
plt.rcParams['font.sans-serif']='SimHei' # 设置字体，显示中文
plt.rcParams['axes.unicode_minus']=False # 坐标轴刻度显示负号
plt.rc('font',size=14)                   # 设置图中字号大小
plt.figure(figsize=(15,4))
plt.plot(y,marker='