sklearn多元线性回归预测房价

多元线性回归

一.excel

import pandas as pd
import numpy as np
import math
import matplotlib.pyplot as plt # 画图
from sklearn import linear_model # 线性模型
data = pd.read_csv('D:/EdgeDownload/house_prices.csv') #读取数据
data.head() #数据展示

house_id	neighborhood	area	bedrooms	bathrooms	style	price
1112	B	1188	3	2	ranch	598291
491	B	3512	5	3	victorian	1744259
5952	B	1134	3	2	ranch	571669
3525	A	1940	4	2	ranch	493675
5108	B	2208	6	4	victorian	1101539

1.加入应用模型

# 应用模型
model = linear_model.LinearRegression()
model.fit(x_data, y_data)
print("回归系数：", model.coef_)
print("截距：", model.intercept_)
print('回归方程: price=',model.coef_[0],'*area +',model.coef_[1],'*bedrooms +',model.coef_[2],'*bathromms +',model.intercept_)

2.对数据进行清洗后再求解

new_data_Z=new_data.iloc[:,0:]
new_data_IQR=new_data.iloc[:,0:]

3.原数据相关性矩阵

print("原数据相关性矩阵")
new_data.corr()

4.Z方法处理的数据相关性矩阵

print("Z方法处理的数据相关性矩阵")
new_data_Z.corr()

5.IQR方法处理的数据相关性矩阵

print("IQR方法处理的数据相关性矩阵")
new_data_IQR.corr()

x_data = new_data_Z.iloc[:, 1:4]
y_data = new_data_Z.iloc[:, -1]
# 应用模型
model = linear_model.LinearRegression()
model.fit(x_data, y_data)
print("回归系数：", model.coef_)
print("截距：", model.intercept_)
print('回归方程: price=',model.coef_[0],'*area +',model.coef_[1],'*bedrooms +',model.coef_[2],'*bathromms +',model.intercept_)

x_data = new_data_IQR.iloc[:, 1:4]
y_data = new_data_IQR.iloc[:, -1]
# 应用模型
model = linear_model.LinearRegression()
model.fit(x_data, y_data)
print("回归系数：", model.coef_)
print("截距：", model.intercept_)
print('回归方程: price=',model.coef_[0],'*area +',model.coef_[1],'*bedrooms +',model.coef_[2],'*bathromms +',model.intercept_)