机器学习-线性回归2-python代码-房价预测-一维自变量

本文介绍了一个使用Python 3.7.2和sklearn库进行一维线性回归的项目,目的是预测房价。通过加载数据,训练线性回归模型,然后对新房面积为500的数据进行预测,并绘制了训练数据与回归线的图形。完整代码已提供。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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
评论
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
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