【Python实例第1讲】交叉验证预测曲线的画法

机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

本例显示如何使用cross_val_predict函数可视化模型预测误差。这里要用到scikit-learn自带数据集——“波士顿房价数据集”。

数据集介绍

“波士顿房价数据集”位于datasets里，包括13个特征。首先，我们来看一看这个数据集的属性的详细信息。

from sklearn import datasets
boston = datasets.load_boston()
print(boston.DESCR)

打印结果显示：该数据集共有13个属性(特征)、506个实例(样本)。MEDV是目标变量，表示自住房屋房价的中位数(以千美元计)。下面列出所有14个属性的详细信息。

• CRIM：城镇人均犯罪率。

• ZN：住宅用地超过 25000 sq.ft. 的比例。

• INDUS：城镇非零售商用土地的比例。

• CHAS：查理斯河空变量（如果边界是河流，则为1；否则为0）。

• NOX：一氧化氮浓度。

• RM：住宅平均房间数。

• AGE：1940 年之前建成的自用房屋比例。

• DIS：到波士顿五个中心区域的加权距离。

• RAD：辐射性公路的