Linear Regression 进行房价预测

Linear Regression 理论基础

Linear Regression 认为各个feature之间的关系是线性的，通过修正线性相关的系数，来拟合整个变化趋势。

之所以采用 Linear Regression 并认为特征之间是线性关系，是因为线性关系拟合起来比较简单，是最基础的方程，可以由这个方程得到许多高级的复杂的方程。而且也可以更有效防止 overfitting 的产生。

如果想要拟合二次方程，则在构造特征的时候，把一次特征做一个平方，新产生一个特征即可。

利用 Linear Regression 预测房价

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
X_train = df.values[:, 1:]
y_train = df.values[:, 0]
X_train,X_test, y_train, y_test = train_test_split(X_train, y_train, test_size = 0.2, random_state = 19)
model = LinearRegression()   # 直接调包进行预测
model.fit(X_train, y_train)
model.predict(X_test[1,:])

如果想要显示model的系数，则：

pd.DataFrame(list(zip(X.columns, np.transpose(model.coef_))))