• Python回归预测建模实战-线性回归预测房价


    机器学习在预测方面的应用,根据预测值变量的类型可以分为分类问题(预测值是离散型)和回归问题(预测值是连续型),前面我们介绍了机器学习建模处理了分类问题(具体见之前的文章),接下来我们以波斯顿房价数据集为例,做一个回归预测系列的建模文章。

    实现功能:

    使用sklearn线性回归(LinearRegression)的API对波士顿房价数据集进行预测,并尝试将预测结果进行可视化。

    实现代码:

    from sklearn.linear_model import LinearRegression
    from sklearn.datasets import load_boston
    import pandas as pd
    import matplotlib.pyplot as plt
    
    # 加载数据集
    boston=load_boston()
    df=pd.DataFrame(boston.data,columns=boston.feature_names)
    df['target']=boston.target
    #查看数据项
    features=df[boston.feature_names]
    target=df['target']
    
    #数据集划分
    split_num=int(len(features)*0.8)
    X_train=features[:split_num]
    Y_train=target[:split_num]
    X_test=features[split_num:]
    Y_test=target[split_num:]
    
    # 线性回归建模预测
    clf_lin_reg=LinearRegression().fit(X_train,Y_train)
    y_lin_reg_pred=clf_lin_reg.predict(X_test)
    
    # 可视化部分
    plt.rcParams['font.sans-serif']='SimHei'
    plt.rcParams['axes.unicode_minus']=False
    plt.rc('font',size=14)
    # plt.figure(figsize=(15,4))
    
    plt.plot(list(range(0,len(X_test))),Y_test,marker='o')
    plt.plot(list(range(0,len(X_test))),y_lin_reg_pred,marker='*')
    plt.legend(['真实值','预测值'])
    plt.title('Boston房价线性回归预测值与真实值的对比')
    plt.show()

    实现效果:

     

    本人读研期间发表5篇SCI数据挖掘相关论文,会不定期分享一些关于python机器学习、深度学习、数据挖掘基础知识与案例,致力于以最简单的方式理解和学习它们,欢迎关注(订阅号:数据杂坛)一起交流讨论。

    1、邀请三个朋友关注本订阅号2、分享/在看任意订阅号的三篇文章

    即可在后台联系我获取相关数据集和源码,送有关数据分析、数据挖掘、机器学习、深度学习相关的电子书籍。

  • 相关阅读:
    DP - OOD - SRP
    金融帝国实验室(Capitalism Lab)最新销售政策
    11 【Express服务端渲染】
    最小路径和
    C++求欧拉角(eigen库中暴露的一些问题)
    王世杰:读博被美国拒签之后|OneFlow U
    spark(day01)
    Leetcode 中等:95. 不同的二叉搜索树II
    海量数据去重的Hash与BloomFilter学习笔记
    C++如何调用Halcon(将Halcon代码封装为Dll)
  • 原文地址:https://blog.csdn.net/sinat_41858359/article/details/127445206