带你玩scikit-learn之来点机器学习的感觉

一、数据集介绍

本次用的是SK中自带的波士顿房价数据集，其中数据参数如下：

二、代码示例

# -*- coding: utf-8 -*-
"""
Created on Sun Oct 08 14:05:17 2017

@author: ryoyun
"""

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.cross_validation import train_test_split
from sklearn.linear_model import LinearRegression

boston = datasets.load_boston() # 导入数据集

# 数据转化函数
def skdata2df(skdata):
    dfdata = pd.DataFrame(skdata.data,columns=skdata.feature_names)
    dfdata["target"] = skdata.target
    return dfdata
bs = skdata2df(boston)
print(bs)

boston_X = bs[["RM","LSTAT",'PTRATIO']]     # 参数
#boston_X = boston.data 
print(boston_X )
 
boston_y = boston.target                    # 结果

X_train, X_test, y_train, y_test = train_test_split(  
    boston_X, boston_y, test_size=0.3)      # 划分测试集合训练集

linreg = LinearRegression(normalize=True)   # 线性回归模型训练（最小二乘法）


linreg.fit(X_train, y_train)
y_pred = linreg.predict(X_test)
print(y_pred)  
print(y_test)  
print(linreg.coef_)         #斜率         
print(linreg.intercept_)    # 截距
print(linreg.score(X_test,y_test))  #评分


x = np.linspace(1,50,50)    # 生成序列 (用于对比)
y = x                       #  (用于对比)

fig, ax = plt.subplots()
ax.scatter(y_test,y_pred,color="red") # 测试集结果与训练结果分别为xy
ax.plot(x,y , 'k--')        # 对比曲线
ax.set_xlabel('y_test')
ax.set_ylabel('y_pred')
plt.show()

三、分析结果

打分结果：0.739170104287

平均打分约在百分之70左右，这里用的是LinearRegression（最小二乘法）。

大家可以尝试，不同输入参数对输出预测值得影响。