学习笔记：不同K近邻回归预测波士顿房价

最新推荐文章于 2025-03-17 16:33:59 发布

原创

最新推荐文章于 2025-03-17 16:33:59 发布 · 879 阅读

3 ·

CC 4.0 BY-SA版权

本文通过实例介绍了如何使用K近邻回归算法预测波士顿地区的房价，展示了KNN在房价预测中的具体步骤和代码实现。

代码如下：

# -*- coding: utf-8 -*-
"""
Created on Mon May 21 15:52:45 2018

@author: eagle
"""

# =============================================================================
# 不同K近邻回归预测波士顿房价
# =============================================================================

from sklearn.datasets import load_boston
from sklearn.cross_validation import train_test_split
import numpy as np
from sklearn.preprocessing import StandardScaler

from sklearn.neighbors import KNeighborsRegressor #K近邻回归器

from sklearn.metrics import r2_score,mean_squared_error,mean_absolute_error

#加载房价数据
boston = load_boston()      #共506条数据
print(boston.DESCR)
X = boston.data
y = boston.target


#训练数据和测试数据分割
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.25,random_state = 33)
#print('The max target value is',np.max(boston.target)) #最大值
#print('The min target value is',np.min(boston.target)) #最小值
#print('The average target value is',np.mean(boston.target)) #平均