波士顿房价预测-数据集 - sklearn1.20 - 加表头

最新推荐文章于 2025-05-17 16:06:19 发布

原创最新推荐文章于 2025-05-17 16:06:19 发布 · 984 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文介绍了如何在JupyterNotebook中使用Python的sklearn库进行线性回归模型的实现，包括数据加载、特征选择和模型训练过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

jupyter notebook github：

https://github.com/Chufeng-Jiang/Jupyter_Py3_Machine_Learning_Introduction/blob/main/05-Linear-Regression/10-More-about-Linear-Regression.ipynb

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets

data_url = "http://lib.stat.cmu.edu/datasets/boston"
raw_df = pd.read_csv(data_url, sep="\s+", skiprows=22, header=None)
data = np.hstack([raw_df.values[::2, :], raw_df.values[1::2, :2]])
target = raw_df.values[1::2, 2]
data

df = pd.DataFrame(data)
header=[ 'CRIM', 'ZN','INDUS','CHAS','NOX','RM','AGE','DIS', 'RAD','TAX', 'PTRATIO', 'B', 'LSTAT']
df.columns = header
df

X = data
y = target
X = X[y < 50.0]
y = y[y < 50.0]

from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(X, y)

lin_reg.coef_

np.argsort(lin_reg.coef_)

df.columns[np.argsort(lin_reg.coef_)]