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
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
- 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 |
-
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