回归模型与房价预测

最新推荐文章于 2023-11-26 20:25:30 发布

转载最新推荐文章于 2023-11-26 20:25:30 发布 · 330 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/1158Z/p/10122080.html

文章标签：

#数据结构与算法 #人工智能 #python

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三种模型，对Boston房价数据集进行预测分析。首先，从数据集中选取特征变量与房价进行一元线性回归，直观展示变量与房价的关系；随后，利用多元线性回归建立13个变量与房价的预测模型，评估模型的优劣；最后，采用一元多项式回归，深入探讨单一变量与房价的非线性关系。

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。

#1.导入boston房价数据集
from sklearn.datasets import load_boston
boston = load_boston()
boston.keys()
import pandas as pd
df = pd.DataFrame(boston.data)   #将数据data转化为数据框
#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。
import matplotlib.pyplot as plt

x = boston.data[:,5]
y = boston.target     #房价
plt.figure(figsize=(8,6))
plt.scatter(x,y)
plt.plot(x,9.1*x-34,'r')
plt.show()
#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。
from sklearn.linear_model import LinearRegression

lineR = LinearRegression()
lineR.fit(boston.data,y)
w = lineR.coef_      #斜率
b = lineR.intercept_   #截距
print(w)
print(b)

#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。
import matplotlib.pyplot as plt
x = boston.data[:,12].reshape(-1,1)
y = boston.target
plt.figure(figsize=(10,6))
plt.scatter(x,y)

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()