《用 Scikit-learn 构建线性回归模型：从数据准备到房价预测的完整实战》

《用 Scikit-learn 构建线性回归模型：从数据准备到房价预测的完整实战》

一、引言：为什么选择线性回归作为起点？

在我教授机器学习课程的过程中，线性回归总是第一个被讲解的模型。它不仅简单易懂，而且在实际应用中依然有着广泛价值——从房价预测、广告点击率估算，到销售趋势分析，线性回归都是一个可靠的起点。

这篇文章将带你从零开始，使用 Python 的 Scikit-learn 库构建一个线性回归模型，预测房价。我们将涵盖数据准备、特征工程、模型训练、评估与可视化，帮助你建立对机器学习流程的整体认知。

---

二、背景介绍：Python 与 Scikit-learn 的强大组合

Python 之所以成为数据科学的首选语言，离不开其丰富的生态系统。Scikit-learn 是其中最成熟的机器学习库之一，提供了统一的 API、丰富的模型、便捷的预处理工具，适合快速原型开发与教学。

在房价预测这个场景中，我们将使用 Scikit-learn 的线性回归模型，并结合 Pandas、Matplotlib、Seaborn 等工具完成数据处理与可视化。

---

三、数据准备：加载与初步探索

我们使用的是经典的波士顿房价数据集（或自定义模拟数据），包含以下字段：

• CRIM：犯罪率
• RM：每栋住宅的平均房间数
• LSTAT：低收入人群比例
• PTRATIO：师生比例
• MEDV：房价中位数（目标变量）

1. 导入库与数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.datasets import load_boston  # 若使用模拟数据请替换

# 加载数据
boston = load_boston()
df = pd.DataFrame(boston.data, columns=boston.feature_names)
df["MEDV"] = boston.target
df.head()

注意：load_boston() 已被弃用，可使用 fetch_openml("boston") 或自定义数据集。

2. 数据探索与可视化

sns.pairplot(df[["RM", "LSTAT", "PTRATIO", "MEDV"]])
plt.</