第十二次作业——基于波士顿数据集的回归模型与房价预测

任务：

1. 导入boston房价数据集

1. 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。

1. 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。

1. 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。

1、导入Boston数据集

#!/usr/bin/python
# -*- coding:utf-8 -*-
# -*- author:DavidHuang -*-

from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston
from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVR
from  sklearn.metrics import r2_score,mean_squared_error,mean_absolute_error
import numpy as np
import pandas as pd

boston = load_boston()
#
# print(boston.DESCR)       #   共506条波士顿地区房价信息，每条13项数值特征描述和目标房价
# print("最大房价：",np.max(boston.target))
# print("最小房价:",np.min(boston.target))
# print("平均房价：",np.mean(boston.target))
#

可以看到波士顿数据集的有关信息

print("开始进行预测和分析！\n========================")
print(bos.keys())==")

bos = load_boston()
bos.keys()
数据集大小
print("数据集大小\n",boston.data.shape)
数据集特征
print("数据集特征\n",boston.feature_names)
数据集预测
print("数据集预测\n",boston.target)