import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeRegressor
print('\n\n')
data = pd.read_csv("CarPrice.csv")
print(data.head())
print('\n\n')
# 检查空值
print(data.isnull().sum())
print('\n\n')
# 数据信息
print(data.info())
print('\n\n')
# 数据描述
print(data.describe())
print('\n\n')
# 去重
print(data.CarName.unique())
print('\n\n')
# 设置样式
sns.set_style("whitegrid")
plt.figure(figsize=(10, 5))
sns.distplot(data.price)
# 显示
# plt.show()
print('\n\n')
# 相关性
print(data.corr())
print('\n\n')
plt.figure(figsize=(10, 5))
correlations = data.corr()
# 设置样式
sns.heatmap(correlations, cmap="coolwarm", annot=True)
# 显示
# plt.show()
# 预测项
predict = "price"
# 原始数据
data = data[["symboling", "wheelbase", "carlength",
"carwidth", "carheight", "curbweight",
"enginesize", "boreratio", "stroke",
"compressionratio", "horsepower", "peakrpm",
"citympg", "highwaympg", "price"]]
# 变量
x = np.array(data.drop([predict], 1))
# 结果
y = np.array(data[predict])
# 分配数据集
xtrain, xtest, ytrain, ytest = train_test_split(x, y, test_size=0.2)
# 决策树回归算法
model = DecisionTreeRegressor()
# 训练模型
model.fit(xtrain, ytrain)
# 模型预测
predictions = model.predict(xtest)
# 准确性指标
print(model.score(xtest, predictions))
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
汽车价格预测.zip (2个子文件)
汽车价格预测
car.py 1KB
CarPrice.csv 26KB
共 2 条
- 1
资源评论
python慕遥
- 粉丝: 2331
- 资源: 240
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- Pytorch-pytorch深度学习教程之前馈神经网络.zip
- Pytorch-pytorch深度学习教程之线性回归.zip
- Pytorch-pytorch深度学习教程之基本操作.zip
- 基于QT的地图可视化桌面系统后台数据库为MySQL5.7源码.zip
- 基于simulink的PLL锁相环系统仿真【包括模型,文档,参考文献,操作步骤】
- 基于EM-GMM模型的目标跟踪和异常行为检测matlab仿真【包括程序,注释,参考文献,操作步骤,说明文档】
- 2109010044_胡晨燕_选课管理数据库设计与实现.prj
- 帕鲁介绍的PPT备份没什么好下的
- demo1-202405
- 两种方式修改Intel网卡MAC地址
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功