学习笔记（二）：预测房价模型

最新推荐文章于 2025-01-06 22:49:56 发布

philwu000

最新推荐文章于 2025-01-06 22:49:56 发布

阅读量1.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/MichealWu98/article/details/104613624

这篇博客通过47个房子的面积和价格数据，介绍了如何建立线性回归模型进行房价预测。首先，博主对输入数据进行了标准化处理，接着选择了多项式拟合进行模型训练，并通过比较不同指数的损失函数值，确定最佳模型。最后，博主总结了机器学习的基本流程，以及如何利用Numpy和Matplotlib库进行数据处理和可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

问题描述

现有47个房子的面积和价格，请建立一个模型对新的房价进行预测。

分析

输入数据为房子的面积，一维。
目标数据为房子的房价，也是一维。
那么显然这属于监督学习中的线性回归（Regression）问题，可以使用多项式函数和平方误差函数来建立模型。

步骤

获取与处理数据

2104,399900
1600,329900
2400,369000
1416,232000
3000,539900
1985,299900
1534,314900
1427,198999
1380,212000
1494,242500
1940,239999
2000,347000
1890,329999
4478,699900
1268,259900
2300,449900
1320,299900
1236,199900
2609,499998
3031,599000
1767,252900
1888,255000
1604,242900
1962,259900
3890,573900
1100,249900
1458,464500
2526,469000
2200,475000
2637