学习笔记：集成模型（回归）预测波士顿房价

最新推荐文章于 2024-10-13 14:34:47 发布

HorseRunningNoStop

最新推荐文章于 2024-10-13 14:34:47 发布

阅读量1.5k

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/HorseRunningNoStop/article/details/80404740

本文记录了使用集成模型进行波士顿房价预测的学习过程，通过代码展示了如何构建和训练模型，探讨了集成学习在回归问题中的优势。

代码如下：

# -*- coding: utf-8 -*-
"""
Created on Tue May 22 09:51:48 2018

@author: eagle
"""
# =============================================================================
# 集成模型预测波士顿房价：普通随机森林、极度随机森林、梯队上升
# =============================================================================

from sklearn.datasets import load_boston
from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import StandardScaler

from sklearn.ensemble import RandomForestRegressor,ExtraTreesRegressor,GradientBoostingRegressor



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