多元线性回归算法预测房价

最新推荐文章于 2023-12-17 17:30:50 发布

原创

最新推荐文章于 2023-12-17 17:30:50 发布 · 448 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #线性回归 #机器学习

本文介绍了多元线性回归的基础概念，并通过Excel进行数据分析展示目标变量与多个自变量之间的关系。接着利用Python的Sklearn库实现多元线性回归建模，通过模型优化提高预测精度。总结了多元线性回归在实践中的应用。

一、基础概念

线性回归研究的是一个目标变量和一个自变量之间的回归问题，但有时候在很多实际问题中，影响目标变量的自变量往往不止一个，而是多个，比如绵羊的产毛量这一变量同时受到绵羊体重、胸围、体长等多个变量的影响，因此需要设计一个目标变量与多个自变量间的回归分析，即多元回归分析。由于线性回归并不适用于所有的数据，我们需要建立曲线来适应我们的数据，现实世界中的曲线关系很多都是增加多项式实现的，比如一个二次函数模型：
请添加图片描述
再或者一个三次函数模型：
在这里插入图片描述
这两个模型我们绘制的图形如下所示：

二、Excel多元线性回归

数据分析

在Excel打开house_prices.csv文件，在数据选项中打开数据分析，选择其中的回归。
在选择其中的area，bathroom，bedroom作为x，可以得出三相数据和price是正相关。而黄线部分得出了对房价的预测。

在这里插入图片描述

三、机器学习库Sklearn库多元线性回归

导入包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn import datasets
from sklearn.linear_model import LinearRegression
from mpl_toolkits.mplot3d import Axes3D  # 不要去掉这个import
from sklearn.metrics import mean_squared_error, r2_score
plt.rcParams['font.sans-serif'