zoukankan      html  css  js  c++  java
  • 回归模型与房价预测

    1. 导入boston房价数据集

    2. 一元线性回归模型,建立一个变量与房价之间的预测模型,并图形化显示。

    3. 多元线性回归模型,建立13个变量与房价之间的预测模型,并检测模型好坏,并图形化显示检查结果。

    4.  一元多项式回归模型,建立一个变量与房价之间的预测模型,并图形化显示。

    1. 导入boston房价数据集

    import numpy
    from sklearn.datasets import load_boston
    boston = load_boston()
    boston.keys()

    #查看每一个key值#
    print('data值为:',boston.data)
    print('target值为:',boston.target)
    print('feature_names值为:',boston.feature_names)

    2. 一元线性回归模型,建立一个变量与房价之间的预测模型,并图形化显示.

    import matplotlib.pyplot as plt
    x=boston.data[:,5]
    y=boston.target
    plt.figure(figsize=(10,6))
    plt.scatter(x,y)
    plt.plot(x,9.1*x-34,'g')
    plt.show()

    from sklearn.linear_model import LinearRegression
    lineR=LinearRegression()
    lineR.fit(x.reshape(-1,1),y)
    lineR.coef_

    lineR.intercept_

    3. 多元线性回归模型,建立13个变量与房价之间的预测模型,并检测模型好坏,并图形化显示检查结果。

    from sklearn.linear_model import LinearRegression
    lineR=LinearRegression()
    lineR.fit(boston.data,y)
    w=lineR.coef_
    w

    b=lineR.intercept_
    b

    import matplotlib.pyplot as plt
    x=boston.data[:,12].reshape(-1,1)
    y=boston.target
    plt.figure(figsize=(10,6))
    plt.scatter(x,y)
    
    from sklearn.linear_model import LinearRegression
    lineR=LinearRegression()
    lineR.fit(x,y)
    y_pred=lineR.predict(x)
    plt.plot(x,y_pred)
    print(lineR.coef_,lineR.intercept_)
    plt.show()

    4.  一元多项式回归模型,建立一个变量与房价之间的预测模型,并图形化显示。

    from sklearn.preprocessing import PolynomialFeatures
    poly=PolynomialFeatures(degree=2)
    x_poly=poly.fit_transform(x)
    x_poly

    from sklearn.preprocessing import PolynomialFeatures
    poly=PolynomialFeatures(degree=2)
    x_poly=poly.fit_transform(x)
    
    lrp=LinearRegression()
    lrp.fit(x_poly,y)
    y_plot_pred=lrp.predict(x_poly)
    plt.scatter(x,y)
    plt.scatter(x,y_pred)
    plt.scatter(x,y_plot_pred)
    plt.show()

  • 相关阅读:
    linux | 一次网卡故障处理
    KVM | centos 安装 window 虚拟机
    DNS | named.run文件很大的处理方法
    01
    802.11X用户身份验证
    802.11有线等效加密WEP
    802.11成帧细节
    802.11 MAC基础
    【转载】我为什么放弃了 Linux 内核学习?
    Linux网络编程(一):一个简单的socket程序
  • 原文地址:https://www.cnblogs.com/moon2/p/10112102.html
Copyright © 2011-2022 走看看