基于Boston housing的linear model

最新推荐文章于 2024-11-04 00:30:00 发布

原创

最新推荐文章于 2024-11-04 00:30:00 发布 · 477 阅读

0 ·

CC 4.0 BY-SA版权

这篇博客通过对Boston housing数据集的分析，探讨了不同因素如何影响特定城市房屋价格。作者将506条数据划分为训练集和测试集，使用线性模型进行训练，以预测房价并评估模型性能。通过Matlab绘制参数与房价的关系图，显示房间数与房价存在线性关系。

问题分析

Boston housing已有数据列表为506*14的数据表格，具体数据对照表如图所示
在这里插入图片描述
本次学习目的，就是基于已有数据分析对于特定文化下特定城市的房屋价格影响，并通过linear model的方法，完成模型训练，预测房屋价格，并表示出这个模型的好坏。
为了更好的进行训练与检测，这里把506条数据分为两组，一组404条为training组，一组102条为test组。

初步分析所有数据，调用matlab对各个参数与房屋价格进行画图分析

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import sklearn
from sklearn.datasets import load_boston 

boston = load_boston()
bos = pd.DataFrame(boston.data)
bos.columns = boston.feature_names

import matplotlib.font_manager as fm

myfont = fm.FontProperties(fname='C:/Windows/Fonts/msyh.ttc')

plt.scatter(bos.RM, bos.PRICE)

plt.xlabel(u'住宅平均房间数', fontproperties=myfont)

plt.ylabel(u'房屋价格', fontproperties=myfont)

plt.title(u'RM与PRICE的关系', fontproperties=myfont)

plt.show