1. 導(dǎo)入boston房?jī)r(jià)數(shù)據(jù)集

from sklearn.datasets import load_boston boston=load_boston() boston.keys()

print(boston.DESCR)

boston.data.shape

import pandas as pd pd.DataFrame(boston.data)

? 2. 一元線性回歸模型，建立一個(gè)變量與房?jī)r(jià)之間的預(yù)測(cè)模型，并圖形化顯示。

import matplotlib.pyplot as plt x=boston.data[:,5] y=boston.target plt.figure(figsize=(20,6)) plt.scatter(x,y) plt.plot(x,9*x-20,'r') plt.show() x.shape

?3.多元線性回歸模型，建立13個(gè)變量與房?jī)r(jià)之間的預(yù)測(cè)模型，并檢測(cè)模型好壞，并圖形化顯示檢查結(jié)果。

import matplotlib.pyplot as plt x= boston.data[:,12].reshape(-1,1) y= boston.target plt.figure(figsize=(10,6)) plt.scatter(x,y) from sklearn.linear_model import LinearRegression lineR = LinearRegression() lineR.fit(x,y) y_pred = lineR.predict(x) plt.plot(x,y_pred) print(lineR.coef_,lineR.intercept_) plt.show()

4.? 一元多項(xiàng)式回歸模型，建立一個(gè)變量與房?jī)r(jià)之間的預(yù)測(cè)模型，并圖形化顯示。

?

from sklearn.preprocessing import PolynomialFeatures poly = PolynomialFeatures(degree=2) x_poly = poly.fit_transform(x)lp = LinearRegression() lp.fit(x_poly,y) y_poly_pred = lp.predict(x_poly)plt.scatter(x,y) plt.plot(x,y_poly_pred,'g') plt.show()from sklearn.preprocessing import PolynomialFeatures poly = PolynomialFeatures(degree=2) x_poly = poly.fit_transform(x)lrp = LinearRegression() lrp.fit(x_poly,y) plt.scatter(x,y) plt.scatter(x,y_pred) plt.scatter(x,y_poly_pred) #多項(xiàng)回歸 plt.show()

?

?

?

?

轉(zhuǎn)載于:https://www.cnblogs.com/zhanyuki/p/10075761.html

總結(jié)

以上是生活随笔為你收集整理的回归模型与房价预测的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。