回归模型与房价预测

Posted 2021-01-25 a1234tt

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。

 

#导入boston房价数据集
from sklearn.datasets import load_boston
boston=load_boston()
boston.keys()

print(boston.DESCR)
boston.feature_names
boston.target

#利用pandas处理数据
import pandas as pd
df = pd.DataFrame(boston.data)


import matplotlib.pyplot as plt

x = boston.data[:,5]
y = boston.target
plt.figure(figsize=(9,6))
plt.scatter(x,y)
plt.plot(x,9.1*x-34,‘r‘)
plt.show()

#一元线性回归模型，建立一个变量与房价之间的预测模型。
import matplotlib.pyplot as plt
x=boston.data[:,5]
y=boston.target
plt.figure(figsize=(10,6))  
plt.plot(x,9*x-20,‘r‘)
plt.scatter(x,y)
plt.show()

from sklearn.linear_model import LinearRegression
lineR = LinearRegression()  #线性回归y=kx+b
lineR.fit(x.reshape(-1,1),y)
k=lineR.coef_
b=lineR.intercept_

3.

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

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,‘yellow‘)
print(lineR.coef_,lineR.intercept_)
plt.show()

 

4.

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

lrp = LinearRegression()
lrp.fit(x_poly,y)
y_poly_pred = lrp.predict(x_poly)

plt.scatter(x,y)
plt.plot(x,y_poly_pred,‘r‘)
plt.show()

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

lrp = LinearRegression()
lrp.fit(x_poly,y)
plt.scatter(x,y)
plt.scatter(x,y_pred)
plt.scatter(x,y_poly_pred)   #一元多项式回归
plt.show()