机器学习-线性回归2-python代码-房价预测-一维自变量

项目源地址
现有房屋面积对应价格的一组数据。尝试使用线性回归方法，拟合出一条直线。并且完成对指定的新样本点，给出预测值，并画图。

step0.python版本以及包依赖

本文使用的python版本为Python 3.7.2
所用到需要额外安装的包有

pandas
numpy
sklearn
matplotlib

相关包下载方式汇总

导入方法：

from io import StringIO
import pandas as pd
from sklearn import linear_model
import matplotlib.pyplot as plt
import numpy as np

step1.数据输入

1. 数据内容如下：

房屋面积(square_feet)	价格(price)
150	6450
200	7450
250	8450
300	9450
350	11450
400	15450
600	18450

1. 为了方便实现，本文改成StringIO方法输入

   def get_data(file_name):
       """
       获取csv数据,给出自变量x,因变量y的list
       :param file_name:
       :return:
       """
       data = pd.read_csv(file_name)
       x, y = [], []
       for i, j in zip(data['square_feet'], data['price']):
           x.append([float(i)])
           y.append(float(j))
       return x, y
   
   
   input_data = StringIO(
           'square_feet,price\n150,6450\n200,7450\n250,8450\n300,9