python 作业（回归模型与房价预测）

最新推荐文章于 2022-10-13 20:35:00 发布

转载最新推荐文章于 2022-10-13 20:35:00 发布 · 788 阅读

2 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/asyxhs/p/10089549.html

文章标签：

#python #数据结构与算法 #人工智能

本文通过使用一元线性回归、多元线性回归及一元多项式回归模型对Boston房价数据集进行预测分析。首先，利用一元线性回归模型建立单一变量与房价之间的预测关系并图形化展示；其次，采用多元线性回归模型，基于13个变量预测房价，评估模型效果并可视化检查结果；最后，应用一元多项式回归模型，进一步提升预测精度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 导入boston房价数据集

2. 一元线性回归模型，建立一个变量与房价之间的预测模型，并图形化显示。

3. 多元线性回归模型，建立13个变量与房价之间的预测模型，并检测模型好坏，并图形化显示检查结果。

4. 一元多项式回归模型，建立一个变量与房价之间的预测模型，并图形化显示。

from sklearn.datasets import load_boston
import numpy as np

boston = load_boston()
boston.keys()
boston.target
import pandas as pd

df = pd.DataFrame(boston.data)
df
x = boston.data[:, 5]  # 变量
y = boston.target  # 房价
from sklearn.linear_model import LinearRegression

lineR = LinearRegression()
lineR.fit(x.reshape(-1, 1), y)
w = lineR.coef_  # x前的系数
b = lineR.intercept_  # 截距
print(w)
print(b)

from matplotlib import pyplot as plt


plt.figure(figsize=(10, 6))
plt.scatter(x, y)
plt.plot(x, 9.1 * x - 34.6, 'r')
plt.show()

from sklearn.linear_model import LinearRegression
lineR = LinearRegression()
lineR.fit(boston.data,y)
w = lineR.coef_
b = lineR.intercept_
print(w)
print(b)
from sklearn.linear_model import LinearRegression

lineR = LinearRegression()
lineR.fit(x, y)
y_pred = lineR.predict(x)
plt.plot(x, y_pred)
print(lineR.coef_, lineR.intercept_)
plt.show()

from sklearn.preprocessing import PolynomialFeatures

poly = PolynomialFeatures(degree=2)
x_poly = poly.fit_transform(x)

lrp = LinearRegression()
lrp.fit(x_poly, y)
y_poly_pred = lrp.predict(x_poly)
plt.scatter(x, y)
plt.scatter(x, y_pred)
plt.scatter(x, y_poly_pred)
plt.show()