基于LinearRegression的波士顿房价预测

LinearRegression中文叫做线性回归，是一种基础、常用的回归方法。

2018年8月22日笔记
sklearn官方英文用户使用指南：https://sklearn.org/user_guide.html
sklearn翻译中文用户使用指南：http://sklearn.apachecn.org/cn/0.19.0/user_guide.html

0.打开jupyter notebook

不知道怎么打开jupyter notebook的朋友请查看我的入门指南文章：https://www.jianshu.com/p/bb0812a70246

1.载入数据集

波士顿房价数据集详细中文解释链接：http://sklearn.apachecn.org/cn/0.19.0/datasets/index.html#boston-house-prices
网页中内容截图如下：

image.png

查看数据集对象的属性和方法，代码如下：

from sklearn.datasets import load_boston
dir(load_boston())

上面一段代码的运行结果如下：

['DESCR', 'data', 'feature_names', 'target']

查看数据集的描述，即打印数据集对象的DESCR属性，代码如下：

from sklearn.datasets import load_boston
print(load_boston().DESCR)

与上图中文文档的图对照阅读，可以加强对数据集的理解。
上面一段代码的运行结果如下图所示：

image.png

将506个样本13个特征组成的矩阵赋值给变量X，变量X为大写字母的原因是数学中表示矩阵使用大写字母。
将506个样本1个预测目标值组成的矩阵赋值给变量y。
载入数据集的代码如下：

from sklearn.datasets import load_boston

X = load_boston().data
y = load_boston().target

2.数据观察

使用pandas库完成数据分析阶段的任务。
首先实例化1个DataFrame对象赋值给变量df，DataFrame对象类似于Excel表格。
查看变量df的前10行，代码如下：

import pandas as pd

df = pd.DataFrame(X, columns=load_boston().feature_names)
df.head(10)

上面一段代码的运行结果如下图所示：

image.png

查看变量df中是否有空值，如果有空值，则需要对其进行处理，代码如下：

df.info()

上面一段代码的运行结果如下图所示：

image.png

从上图的结果我们可以看出，数据总共有506行，13列。
在数据科学领域中，一般称事物的属性为 字段，13个字段中都有506个非空的float64类型的数值，即没有空值。
从上图的最后1行可以看出，该表格总共占用内存51.5KB。
在计算机科学中，B表示Byte，中文叫做 字节，b表示bit，中文叫做比特， 1Byte = 8bit。
占用内存的计算也并不复杂，1个float64类型的数值占用64bit,即8Byte，则总共 13*506*8/1024=51.39KB。
占用内存51.5KB比51.39KB略大，原因是表格中除了数据还得存储一些描述信息。

表格聚合运算的中文与英文简写对照如下表所示：