使用sklearn预测波士顿房价

1.加载数据集 并切分

from sklearn.datasets import load_boston
boston = load_boston()

from sklearn.cross_validation import train_test_split
import numpy as np
x_train,x_test,y_train,y_test = train_test_split(x,y,random_state=33,test_size=0.25)

2.数据预处理

#分析一下数值的差异
print('最大值',np.max(boston.target))
print('最大值',np.min(boston.target))
print('均值',np.mean(boston.target))

#对数据进行预处理 预处理模块 StandardScaler fit() 模型训练 transform fit_transform
#标准化处理
from sklearn.preprocessing import 

ss_x=StandardScaler()
ss_y=StandardScaler()

#分别对训练集合测试集 及特征值进行标准化处理
#
x_train=ss_x.fit_transform(x_train)
x_test = ss_x.transform(x_test)

#将标签数据转换为 m行1列
y_train = np.array(y_train).reshape(-1,1)
y_train = ss_y.fit_transform(y_train)
y_test = np.array(y_test).reshape(-1,1)
y_test = ss_y.transform(y_test)

3.建模预测

rom sklearn.linea