Python波士顿房价数据集，相关习题

最新推荐文章于 2025-07-04 12:52:59 发布

程序媛小姑娘

最新推荐文章于 2025-07-04 12:52:59 发布

阅读量5.6k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：大数据分析文章标签： Python

本文链接：https://blog.youkuaiyun.com/TK_Phoenix/article/details/83376270

本文探讨了使用Python进行波士顿房价数据集的分析，包括绘制TAX与RAD的散点图及线性回归拟合、所有列均值的柱状图、各列数据分位数的折线图以及前六列数据的箱线图。通过这些图表，深入理解数据特征并展示其分布情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

** 波士顿房价数据集（Boston House Price Dataset）包含对房价的预测，以千美元计，给定的条件是房屋及其相邻房屋的详细信息。
** 该数据集是一个回归问题。每个类的观察值数量是均等的，共有 506 个观察，13 个输入变量和1个输出变量。**
** sklearn库的datasets包含该数据集（ load_boston）****

作业一，子图一画出TAX和RAD的两列的散点图子图二画出TAX和RAD的两列线性回归算法拟合出的折线图

import matplotlib.pyplot as plt       #导入一个绘图模块matplotlib.pyplot
from sklearn.datasets import load_boston  #导入在sklearn.datasets库中的波士顿房价数据集
import pandas as pd
import numpy as np
data_boston=load_boston().data
temp=pd.DataFrame(data_boston,columns=load_boston().feature_names) #所有数据的数据框形式
y=load_boston().target #数据的标签 
plt.subplot(121) #subplot 子图画法，表示为一行两列占用第一个，即第一行第一列
plt.scatter(temp.iloc[:,8],temp.iloc[:,9],s=2) #画散点图

from sklearn.linear_model import LinearRegression  #线性回归算法
linear1=LinearRegression().fit(temp.iloc[:,8].values.reshape(-1,1),temp.iloc[:,9])

plt.subplot(122)
x=np.arange(0,20,0.01).reshape(-1,1)
plt.plot(x,linear1.predict(x))
plt.show()

作业二，画出所有列均值的柱状图，要求标注出对