波士顿房价预测-数据集 - sklearn1.20 - 加表头

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_)]

评论 3
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

打赏作者

大大枫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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