线性回归模型预测波士顿房价并绘图线性回归模型预测波士顿房价并绘图
波士顿房价波士顿房价
这是 sklearn.datasets 里的一种 Toy Dataset ，包含503个美国波士顿房价的观测值，是内置的小数据集，也是研究回归算法
的优秀数据集。
Python编程实现编程实现
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics
from sklearn.metrics import r2_score
# 从读取的房价数据存储在boston变量中
boston = load_boston()
# 打印boston包含的内容
print(boston.keys())
# 打印data的变量名
print(boston.feature_names)
# 将data转换为DataFrame格式以方便显示
bos = pd.DataFrame(boston.data)
# data的第6列数据为RM
print(bos[5].head())
# 将data转换为DataFrame格式以方便显示
bos_target = pd.DataFrame(boston.target)
print(bos_target.head())
# 选取data中的RM变量
x = bos.iloc[:, 5:6] # 设定target为y
y = bos_target
# 定义自定义字体，文件名是系统中文字体
myfont = fm.FontProperties(fname='C:/Windows/Fonts/msyh.ttc')
plt.scatter(x, y)
# x轴标签设定文字为中文msyh格式
plt.xlabel(u'住宅平均房间数', fontproperties=myfont)
# y轴标签设定文字为中文msyh格式
plt.ylabel(u'房地产价格', fontproperties=myfont)
# 标题
plt.title(u'RM与MEDV的关系', fontproperties=myfont)
plt.show()
# 把x、y转化为数组形式，便于计算
x = np.array(x.values)
y = np.array(y.values)
# 以25%的数据构建测试样本，剩余作为训练样本
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)
print(x_train.shape, x_test.shape, y_train.shape, y_test.shape)
# 设定回归算法
lr = LinearRegression()
# 使用训练数据进行参数求解
lr.fit(x_train, y_train)
# LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False)
print('求解系数为：', lr.intercept_)
print('求解系数为：', lr.coef_)
# 对测试集的预测
y_hat = lr.predict(x_test)
# 打印前10个预测值
y_hat[0:9] # y_test与y_hat的可视化
# 设置图片尺寸
评论10