回归模型——使用graphlab，进行房价预测分析（环境：python、jupyter notebook、graphlab）

一、导入graphlab，并进行读取数据集

二、数据展示：散点图：Scatter Plot，x 和 y 坐标

三、分理处训练集和测试集：

train_data,test_data = sales.random_split(.8,seed=0)

利用训练集创建单特征模型，features参数为列表

sqft_model = graphlab.linear_regression.create(train_data,target="price",features=['sqft_living'])

四、预测结果分析：

五、构造更多特征的模型：

my_features = ['bedrooms','bathrooms','sqft_living','sqft_lot','floors','zipcode']

六、比较单特征模型和多特征模型：

七、总结：

单特征和多特征相比，并不一定哪个一定好。拟合程度要合适，多拟合也会预测不准确。

（正在学习中，待更新......）