线性回归实战房价预测
Posted 辰chen
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了线性回归实战房价预测相关的知识,希望对你有一定的参考价值。
前言
本文属于 线性回归算法【AIoT阶段三】(尚未更新),这里截取自其中一段内容,方便读者理解和根据需求快速阅读。本文通过公式推导+代码两个方面同时进行,因为涉及到代码的编译运行,如果你没有 N u m P y NumPy NumPy, P a n d a s Pandas Pandas, M a t p l o t l i b Matplotlib Matplotlib 的基础,建议先修文章:数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)
线性回归预测房价
1.数据加载
首先导包:
import numpy as np
from sklearn import datasets
from sklearn.linear_model import LinearRegression
我们要实现的是对 波士顿 这个城市进行房价预测,有关 波士顿 的数据,可以直接用代码:
boston = datasets.load_boston()
我们来看一下 datasets.load_boston()
里面都有哪些数据:
数据由三部分组成:
- d a t a data data 即数据,这些数据影响了房价,统计指标
- t a r g e t target target 指房价, 24 24 24 就表示 24 24 24 万美金
- f e a t u r e _ n a m e s feature\\_names feature_names 就是具体的指标,比如 C R I M CRIM CRIM:犯罪率; N O X NOX NOX:空气污染, N N N元素的含量; T A X TAX TAX :税收;这些指标都会影响到房价
我们把这些信息分开来处理:
boston = datasets.load_boston()
X = boston['data'] # 数据,这些数据影响了房价,统计指标
y = boston['target'] # 房价,24就表示24万美金
# CRIM:犯罪率
# NOX:空气污染,N含量
# TAX:税收
# 这些指标都和放假有关
feature_names = boston['feature_names'] # 具体指标
2.数据查看
# 506 表示 506 个统计样本
# 13 表示影响房价的 13 个属性
X.shape
# 506 个房子
# X -----> y 是一一对应的
# 数据 -----> 目标值对应
y.shape
3.数据拆分
# 506个数据、样本
# 拆分成两份:一份 80%用于训练,一份20%用于验证
# 拿出其中的80%,交给算法(线性回归),去进行学习、总结、拟合函数
# 20%作用:验证,测一测,看看算法,学习80%结束,是否准确
# 如何划分:利用 numpy 的 shuffle 打乱数据
index = np.arange(506)
np.random.shuffle(index)
index
506
×
80
%
≈
405
506 \\times 80\\%≈405
506×80%≈405,故我们拿出打乱后的前
405
405
405 个数据用于训练算法,其余数据用于验证算法:
# 80% 训练数据
train_index = index[:405]
X_train = X[train_index]
y_train = y[train_index]
# 20% 测试数据
test_index = index[405:]
X_test = X[test_index]
y_test = y[test_index]
4.数据建模
np.set_printoptions(suppress = True) # 不使用科学计数法
model = LinearRegression(fit_intercept = True)
# 建模:算法、方程
model.fit(X_train, y_train)
# 建模获取了斜率,斜率有大有小,有正有负
# 斜率为正代表正相关(面积),为负代表负相关(犯罪率)
display(model.coef_, model.intercept_)
5.模型验证
# 模型预测的结果:y_
y_ = model.predict(X_test).round(2)
# 展示前 30 个:
display(y_[:30])
# 展示真实结果的前 30 个:
display(y_test[:30])
算法的预测难免会有异常值,这是 不可避免的!
6.模型评估
# 最大值是 1,最小值可以小于 0
# 这个指标越接近 1,说明算法越优秀
model.score(X_test, y_test)
# 再来判断一下训练数据的得分
model.score(X_train, y_train)
显然,训练数据的得分是高的,这就好比我们在考试前都会做模拟题,我们如果考试卷的大部分题目都和模拟题是一样的,那么我们的分数就会高一些,如果考试的题目都是新题,那么我们的分数就会低一些
当然,我们评测数据不止这一个方法,下面简单介绍一下别的方法:
# 最小二乘法
from sklearn.metrics import mean_squared_error
# 这个是测试数据,对应的是 20%
y_pred = model.predict(X_test)
y_true = y_test
mean_squared_error(y_true, y_pred)
我们再来看那
80
%
80\\%
80% 的训练数据:
# 80% 的训练数据:
mean_squared_error(y_train, model.predict(X_train))
注意我们这里的分数是
e
r
r
o
r
error
error,即 越小越好!
以上是关于线性回归实战房价预测的主要内容,如果未能解决你的问题,请参考以下文章