用python实现线性回归

最新推荐文章于 2021-10-12 14:32:26 发布

原创最新推荐文章于 2021-10-12 14:32:26 发布 · 334 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python

python 专栏收录该内容

50 篇文章

订阅专栏

#从sklearn.datasets导入波士顿房价数据读取器
from sklearn.datasets import load_boston
#读取房价数据存储在boston中 
boston=load_boston()
#输出数据描述（python3加括号）
print (boston.DESCR)

#从sklearn。cross_validation导入数据分割器
from sklearn.cross_validation import train_test_split
#导入numpy并从命名为np
import numpy as np
X=boston.data
y=boston.target
#随机采样25%的数据构建测试样本，其余做为训练样本
X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=33,test_size=0.25)
#分析回归目标值的差异
print("The min target value is",np.max(boston.target))
print("The min target value is",np.min(boston.target))
print("The average target value is",np.mean(boston.target))

#从sklearn.preprocessing导入数据标准化模块
from sklearn.preprocessing import StandardScaler
#分别初始化对特征和目标值的标准化器
ss_X=StandardScaler()
ss_y=StandardScaler()
#分别对训练和测试数据的特征以及目标值进行标准化处理
X_train=ss_X.fit_transform(X_train)
X_test=ss_X.transform(X_test)
y_train=ss_y.fit_transform(y_train)
y_test=ss_y.transform(y_test)

#从sklearn.linear_model导入LinearRegression
from sklearn.linear_model import LinearRegression
#初始化LinearRegression
lr=LinearRegression()
#使用训练数据进行参数评估
lr.fit(X_train,y_train)
#对测试数据进行回归预测
lr_y_predict=lr.predict(X_test)

 print (lr.score(X_test,y_test))