机器学习之回归（2）多项式回归

最新推荐文章于 2025-07-05 16:06:20 发布

原创最新推荐文章于 2025-07-05 16:06:20 发布 · 932 阅读

0 ·

CC 4.0 BY-SA版权

Python 专栏收录该内容

61 篇文章

订阅专栏

本文通过使用Python的sklearn库实现了一次房价预测任务。采用多项式回归模型对房屋面积与价格之间的非线性关系进行了拟合，并通过可视化手段展示了预测结果与实际数据之间的对比。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-
"""
Created on Sun Apr 15 19:13:58 2018

@author: Administrator
"""

import matplotlib.pyplot as plt
import numpy as np
from sklearn import linear_model
from sklearn.preprocessing import PolynomialFeatures

# 读取数据集
datasets_X = []
datasets_Y = []
fr = open('houseprice11.txt','r')
lines = fr.readlines()
for line in lines:
items = line.strip().split(',')
datasets_X.append(int(items[0]))
datasets_Y.append(int(items[1]))

length = len(datasets_X)
datasets_X = np.array(datasets_X).reshape([length,1])
datasets_Y = np.array(datasets_Y)

minX = min(datasets_X)
maxX = max(datasets_X)
X = np.arange(minX,maxX).reshape([-1,1])

poly_reg = PolynomialFeatures(degree = 2)
X_poly = poly_reg.fit_transform(datasets_X)
lin_reg_2 = linear_model.LinearRegression()
lin_reg_2.fit(X_poly, datasets_Y)

# 图像中显示
plt.scatter(datasets_X, datasets_Y, color = 'red')
plt.plot(X, lin_reg_2.predict(poly_reg.fit_transform(X)), color = 'blue')
plt.xlabel('Area')
plt.ylabel('Price')