回归模型与房价预测

1. 导入boston房价数据集

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

　　导入数据集

boston.data.shape

　　查看boston的数据形状，结果为

(506, 13)

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。

 

data = boston.data
x = data[:,5]
y = boston.target
import matplotlib.pyplot as plt
plt.scatter(x,y)
plt.plot(x,b*x+w,'r')
plt.show()

w=LineR.intercept_

　　截距

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

　　斜率

　　

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。

xx=data[:,12].reshape(-1,1)
plt.scatter(xx,y)
plt.show()

　　

lrl2 = LinearRegression()
lrl2.fit(xx,y)
w = lrl2.coef_
b = lrl2.intercept_
plt.scatter(xx,y)
plt.plot(xx,w*xx+b,'r')
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
p = PolynomialFeatures(degree=2)
p.fit(xx)
x_poly = p.transform(xx)
x_poly

　　

Out[101]:

array([[ 1.    ,  4.98  , 24.8004],
       [ 1.    ,  9.14  , 83.5396],
       [ 1.    ,  4.03  , 16.2409],
       ...,
       [ 1.    ,  5.64  , 31.8096],
       [ 1.    ,  6.48  , 41.9904],
       [ 1.    ,  7.88  , 62.0944]])

lrp = LinearRegression()
lrp.fit(x_poly,y)
y_poly = lrp.predict(x_poly)
plt.scatter(xx,y)
plt.plot(xx,w*xx+b,'r')
plt.scatter(xx,y_poly)
plt.show()
lrp.coef_