机器学习-----构建房屋售价预测回归模型

本文通过导入graphlab库,加载房屋销售数据并进行可视化,利用线性回归模型进行训练,将数据集分为训练集和测试集,最后评估模型的最大误差和平均误差。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

启动graphlab create

import graphlab

读取一些房屋销售数据

sales = graphlab.SFrame('根据自己的目录读取home_data.gl文件')

graphlab.canvas.set_target('ipynb')   //设置画出的图像在ipython notebook中现实

sales.show(view = "Scatter Plot",x = "sqft_living",y = "price")  //设置散点图,以房屋价格和售价为X,Y轴来画图



train_data  数据集 

test_data  训练集

sales.random_split(0.8,seed=0)  随机切片和赋值给训练集和数据集,并确定比例为0.8

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