Linear Regression 进行房价预测

Linear Regression 理论基础

Linear Regression 认为各个feature之间的关系是线性的,通过修正线性相关的系数,来拟合整个变化趋势。

之所以采用 Linear Regression 并认为特征之间是线性关系,是因为线性关系拟合起来比较简单,是最基础的方程,可以由这个方程得到许多高级的复杂的方程。而且也可以更有效防止 overfitting 的产生。

如果想要拟合二次方程,则在构造特征的时候,把一次特征做一个平方,新产生一个特征即可。

利用 Linear Regression 预测房价

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
X_train = df.values[:, 1:]
y_train = df.values[:, 0]
X_train,X_test, y_train, y_test = train_test_split(X_train, y_train, test_size = 0.2, random_state = 19)
model = LinearRegression()   # 直接调包进行预测
model.fit(X_train, y_train)
model.predict(X_test[1,:])

如果想要显示model的系数,则:

pd.DataFrame(list(zip(X.columns, np.transpose(model.coef_))))
使用多元线性回归模型可以进行房价预测。多元线性回归模型可以通过分析多个自变量与房价之间的关系预测房价的趋势走向。通过导入房价数据并进行线性回归分析,可以探索影响房价高低的主要因素,并对这些影响因素的影响程度进行分析。使用Excel等工具可以进行多元线性回归预测。\[1\]\[2\] 另外,使用Scikit-learn库中的LinearRegression模型也可以进行房价预测。该模型可以通过输入房屋的各种特征数据,如房屋面积、地理位置等,来预测房价。可以使用该模型对波士顿房价数据进行训练,并进行预测。\[3\] #### 引用[.reference_title] - *1* *2* [多元线性回归算法预测房价](https://blog.youkuaiyun.com/IT23131/article/details/121034543)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [sklearn-5 LinearRegression预测房价](https://blog.youkuaiyun.com/z583636762/article/details/78982554)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值