线性模型如何预测趋势，如何评估线性模型的性能

最新推荐文章于 2025-05-04 14:41:03 发布

weixin_44274975

最新推荐文章于 2025-05-04 14:41:03 发布

阅读量2.1k

点赞数

CC 4.0 BY-SA版权

分类专栏： python 文章标签：线性模型如何预测趋势，如何评估线性模型的性能

本文链接：https://blog.youkuaiyun.com/weixin_44274975/article/details/88684736

该博客探讨了如何使用线性模型预测趋势，特别是在波士顿房价数据集上的应用。首先，通过train_test_split划分数据，然后使用StandardScaler进行特征和目标值的标准化。接着，利用LinearRegression构建模型并进行训练。最后，保存模型并预测测试集房价，展示了模型的预测能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#1.线性模型如何预测趋势
#2.如何评估线性模型的性能
def boston_linear():
“”"
线性回归直接预测房子价格
:return: None
“”"
# 获取数据
lb = load_boston()
# 分割数据集到训练集和测试集
# x_train和y_train是训练集合 x_test和y_test是测试集,test_size=0.25就是lb.data中选出0.25的作为测试集,0.75作为训练集,目标的同理
x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target, test_size=0.25)
#print(y_train, y_test)
# 特征值和目标值是都必须进行标准化处理, 实例化两个标准化API
std_x = StandardScaler()
x_train = std_x.fit_transform(x_train)
#用转化训练集的标准归一化测试集
x_test = std_x.transform(x_test)
#测试数据目标值
std_y = StandardScaler()
#-1表示系统自动计算行数
y_train = std_y.fit_transform(y_train.reshape(-1,1))
y_test = std_y.transform(y_test.reshape(-1,1))
#estimator预测
#建立线性模型预测结果
lr = LinearRegression()
lr.fit(x_train, y_train)
#保存训练好的模型
joblib.dump(lr, “./test.pkl”)
“”"
# 预测房价结果
model = joblib.load("./tmp/test.pkl")
y_predict = std_y.inverse_transform(model.predict(x_test))
print(“保存的模型