波士顿房价线性回归预测
· ·线性回归(Linear Regression)
在数理统计学中,回归分析着重在寻求变量之间近似的函数关系。在线性回归中,数据使用线性预测函数来建模,并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。线性回归模型经常用 最小二乘 逼近来拟合,但他们也可能用别的方法来拟合。最小二乘逼近可以用来拟合那些非线性的模型。简单地说,就是寻求变量之间近似的线性函数关系。寻找和样本拟合程度最佳的线性模型,在寻找过程中并确定系数β和干扰项ε。
· ·均方差(MSE,Mean Squared Error)
均方差是最常用于度量模型标准的的方法。均方差是指预测值和实际值之间的平均方差。平均方差越小,说明测试值和实际值之间的差距越小,即模型性能更优。
·导入数据包
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
import pandas as pd
import numpy as np
·数据获取和输出
data=load_boston()
data.target
# data.data
·线性回归-正规方程代码:
def linear_model1():# 获取数据data=load_boston()#数据集划分x_train ,x_test,y_train,y_test = train_test_split(data.data, data.target,random_state=31)# 3.特征工程-标准化transfer = StandardScaler()x_train = transfer.fit_transform(x_train)x_test = transfer.fit_transform(x_test)# 4.机器学习-线性回归(正规方程)estimator = LinearRegression()estimator.fit(x_train, y_train)# 5.模型评估# 5.1 获取系数等值y_predict = estimator.predict(x_test)print("预测值为:\n", y_predict)print("模型中的系数为:\n", estimator.coef_)print("模型中的偏置为:\n", estimator.intercept_)# 5.2 评价# 均方误差error = mean_squared_error(y_test, y_predict)print("误差为:\n", error)return None
·输出展示,结果如下:
202113430119 曾藉莹
波士顿房价线性回归预测相关推荐
- 波士顿房价—线性回归预测
一.波士顿房价数据集介绍 波士顿房价数据集统计的是20世纪70年代中期波士顿郊区房价的中位数,统计了城镇人均犯罪率.不动产税等共计13个指标,506条房价数据,通过统计出的房价,试图能找到那些指标与房 ...
- 线性回归预测波士顿房价
波士顿房价数据集(Boston housing prices dataset) #加载数据集 from sklearn import datasets import sklearn from skle ...
- 机器学习:numpy版本线性回归预测波士顿房价
机器学习:numpy版本线性回归预测波士顿房价 导入数据 划分数据 模型 数据链接 链接: https://pan.baidu.com/s/1uDG_2IZVZCn9kndZ_ZIGaA?pwd=ne ...
- ML之xgboost:利用xgboost算法对Boston(波士顿房价)数据集【特征列分段→独热编码】进行回归预测(房价预测)+预测新数据得分
ML之xgboost:利用xgboost算法对Boston(波士顿房价)数据集[特征列分段→独热编码]进行回归预测(房价预测)+预测新数据得分 导读 对Boston(波士顿房价)数据集进行特征工程,分 ...
- ML之回归预测:利用13种机器学习算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)+预测新数据得分
ML之回归预测:利用13种机器学习算法对Boston(波士顿房价)数据集[13+1,506]进行回归预测(房价预测)+预测新数据得分 导读 本文章基于前边的一篇文章,对13种机器学习的回归模型性能比较 ...
- ML之回归预测:利用13种机器学习算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)来比较各模型性能
ML之回归预测:利用13种机器学习算法对Boston(波士顿房价)数据集[13+1,506]进行回归预测(房价预测)来比较各模型性能 导读 通过利用13种机器学习算法,分别是LiR.kNN.SVR.D ...
- TF之LSTM:利用LSTM算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)
TF之LSTM:利用LSTM算法对Boston(波士顿房价)数据集[13+1,506]进行回归预测(房价预测) 相关文章 DL之LSTM:利用LSTM算法对Boston(波士顿房价)数据集[13+1, ...
- ML之LiRDNNEL:基于skflow的LiR、DNN、sklearn的RF对Boston(波士顿房价)数据集进行回归预测(房价)
ML之LiR&DNN&EL:基于skflow的LiR.DNN.sklearn的RF对Boston(波士顿房价)数据集进行回归预测(房价) 目录 输出结果 设计思路 核心代码 输出结果 ...
- ML之DTRFRExtraTRGBR:基于四种算法(DT、RFR、ExtraTR、GBR)对Boston(波士顿房价)数据集(506,13+1)进行价格回归预测并对比各自性能
ML之DT&RFR&ExtraTR&GBR:基于四种算法(DT.RFR.ExtraTR.GBR)对Boston(波士顿房价)数据集(506,13+1)进行价格回归预测并对比各自 ...
最新文章
- C#调用C++DLL类的方法
- oracle 10g视频教程
- GetClientRect()和GetWindowRect()
- 系统 CPU 突然飙升且 GC 频繁,如何排查
- boost pool内存池库使用简要介绍
- stl字符串去除空格_在列表中推送字符并在C ++ STL中将它们打印为空格
- Bmob移动后端云服务平台--Android从零開始--(二)android高速入门
- 图像大小批量调整工具Image Resizer for Mac
- 下载sqlserver2012 试用_大肥虫助手下载-大肥虫助手 安卓版v7.0.4
- TensorFlow北大公开课学习笔记-4.3滑动平均
- 锂电池欧姆内阻和极化内阻
- java applepay_java后端处理Apple Pay流程
- 「Linux」网络配置大揭秘
- 联想y7000p win10alt+tab卡顿解决方法
- 如何快速制作Gif动图
- Helix QAC企业级自动代码静态分析器
- 小波分析——1. 初识小波分析
- PHP函数记录-trim导致的编码异常
- Spring 框架远程代码执行漏洞(CVE-2022-22965)
- vc2012\vc\include\stdlib.h(360): error C2381: “exit”: 重定义;__declspec(noreturn) 不同