python建立一元、多元线性回归模型，实现房价预测

1. 一元回归——通过面积预测房价

• 数据集：csv格式

No,square_feet,price
1,150,6450
2,200,7450
3,250,8450
4,300,9450
5,350,11450
6,400,15450
7,500,18450

• 从csv文件中读取数据

import pandas as pd
data = pd.read_csv('data/房价.csv')

• 建立线性回归模型

from sklearn.linear_model import LinearRegression

model = LinearRegression()
x = data['square_feet'].values.reshape(-1, 1)
y = data['price']
model.fit(x, y)

• 预测面积为 1000 平方英尺的房子价格

print(model.predict([[1000]]))

• 画图

import matplotlib.pyplot as plt
plt.scatter(data['square_feet'], y, color='blue')
plt.plot(x, model.predict(x), 'r-')
plt.grid(True)
plt.show()

2. 建立多元回归模型——波士顿房价预测

数据集

下载链接

属性	含义	属性	含义
CRIM	城镇人均犯罪率	ZN	住宅用地超过 25000 sq.ft. 的比例。
INDUS	城镇非零售商用土地的比例	CHAS	查理斯河空变量（如果边界是河流，则为1；否则为0）
NOX	一氧化氮浓度	RM	住宅平均房间数
DIS	到波士顿五个中心区域的加权距离	RAD	辐射性公路的接近指数
TAX	每 10000 美元的全值财产税率	PTRATIO	城镇师生比例
B	1000（Bk-0.63）^ 2，其中 Bk 指代城镇中黑人的比例	LSTAT	人口中地位低下者的比例。
MEDV	自住房的平均房价，以千美元计

使用的第三方库

import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split

读取并处理数据

• 读取数据

data = pd.read_csv('data/housing.csv')

• 不考虑城镇人均犯罪率，模型评分较高
  iloc用法

# 不要第一列的数据
new_data = data.iloc[:, 1:]

查看数据

• 查看处理后的数据集

# 得到数据集且查看
print('head:', new_data.head(), '\nShape:', new_data.shape)

• 检查是否存在缺失值

# 缺失值检验
print(new_data.isnull().sum())

查看数据分散情况——绘制箱形图

• 输出行数count，平均值mean，标准差std，最小值min，最大值max，上四分位数75%, 中位数50%，下四分位数25%

print(new_data.describe())

• 箱形图（Box-plot）是一种用作显示一组数据分散情况资料的统计图。

• 箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后， 连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。
  

• 箱型图绘制代码

new_data.boxplot()
plt.show()

数据集分割

将原始数据按照2:8比例分割为“测试集”和“训练集”

X_train, X_test, Y_train, Y_test = train_test_split(new_data.iloc[:, :13], new_data.MEDV, train_size=.80)

建立多元回归模型

根据训练集建立模型

model = LinearRegression()
model.fit(X_train, Y_train)
a = model.intercept_
b = model.coef_
print("最佳拟合线:截距", a, ",回归系数：", b)

score = model.score(X_test, Y_test)
print(score)

最佳拟合线:截距 0.0 ,回归系数： [-1.74325842e-16  1.11629233e-16 -1.79794258e-15  7.04652389e-15
 -2.92277767e-15  2.97853711e-17 -8.23334194e-16  1.17159575e-16
  1.88696229e-17 -3.41643920e-16 -1.28401929e-17 -5.78208730e-17
  1.00000000e+00]
1.0

测试

Y_pred = model.predict(X_test)
print(Y_pred)
plt.plot(range(len(Y_pred)), Y_pred, 'b', label="predict")
plt.show()

画图表示结果

X_train, X_test, Y_train, Y_test = train_test_split(new_data.iloc[:, :13], new_data.MEDV, train_size=.80)

plt.figure()
plt.plot(range(len(Y_pred)), Y_pred, 'b', label="predict")
plt.plot(range(len(X_test)), Y_test, 'r', label="test")
plt.legend(loc="upper right")
plt.xlabel("the number of MEDV")
plt.ylabel('value of MEDV')
plt.show()