一元线性回归python示例—

假设房价只有面积一个影响因素，根据下列数据集建立线性回归模型，并预测面积为700平方英尺的房子价格。

No	square_feet	price
1	150	6450
2	200	7450
3	250	8450
4	300	9450
5	350	11450
6	400	15450
7	600	18450

由sklearn库实现，将数据表存为csv格式，命名为house_price.csv，同程序文件放在同一目录下。

#!/usr/bin/python
# coding:utf-8
# python一元回归分析实例：预测房子价格
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.linear_model import LinearRegression# 从csv文件中读取数据，分别为：X列表和对应的Y列表
def get_data(file_name):# 1. 用pandas读取csvdata = pd.read_csv(file_name)# 2. 构造X列表和Y列表X_parameter = []Y_parameter = []for single_square_feet,single_price_value in zip(data['square_feet'],data['price']):X_parameter.append([float(single_square_feet)])Y_parameter.append(float(single_price_value))return X_parameter,Y_parameter# 线性回归分析，其中predict_square_feet为要预测的平方英尺数，函数返回对应的房价
def linear_model_main(X_parameter,Y_parameter,predict_square_feet):# 1. 构造回归对象regr = LinearRegression()regr.fit(X_parameter,Y_parameter)# 2. 获取预测值predict_outcome = regr.predict(predict_square_feet)# 3. 构造返回字典predictions = {}# 3.1 截距值predictions['intercept'] = regr.intercept_# 3.2 回归系数（斜率值）predictions['coefficient'] = regr.coef_# 3.3 预测值predictions['predict_value'] = predict_outcomereturn predictions# 绘出图像
def show_linear_line(X_parameter,Y_parameter):# 1. 构造回归对象regr = LinearRegression()regr.fit(X_parameter,Y_parameter)# 2. 绘出已知数据散点图plt.scatter(X_parameter,Y_parameter,color = 'blue')# 3. 绘出预测直线plt.plot(X_parameter,regr.predict(X_parameter),color = 'red',linewidth = 4)plt.title('Predict the house price')plt.xlabel('square feet')plt.ylabel('price')plt.show()def main():# 1. 读取数据X,Y = get_data('./house_price.csv')# 2. 获取预测值，在这里我们预测700平方英尺大小的房子的房价predict_square_feet = 700result = linear_model_main(X,Y,predict_square_feet)for key,value in result.items():print ('{0}:{1}'.format(key,value))# 3. 绘图show_linear_line(X,Y)if __name__ == '__main__':main()

运行结果：

参考

1. https://blog.csdn.net/dnxbjyj/article/details/71914943

2. http://python.jobbole.com/81215/

一元线性回归python示例——房价预测相关推荐

Python建立线性回归模型进行房价预测
Python建立线性回归模型进行房价预测前期准备多因子房价预测实战流程 1.数据加载 2.数据可视化 3.数据预处理 4.模型建立与训练 5.模型预测 6.模型评估 7.房价预测数据与代码前 ...
scikit-learn线性回归实践 - 波斯顿房价预测
Educoder实训平台机器学习-线性回归:scikit-learn线性回归实践 - 波斯顿房价预测 (下方代码已成功通过平台测试) 文章目录机器学习:波士顿房价数据集任务描述相关知识 Line ...
使用线性回归实现波士顿房价预测
使用线性回归实现波士顿房价预测本文不进行线性回归基础知识讲解,只提供三种方法对波士顿房价进行预测,这三种方法分别是: 1.使用正规方程的优化方法对波士顿房价进行预测 2.使用梯度下降的优化方法对波士 ...
Python数据分析-房价预测及模型分析
摘要 Python数据分析-房价的影响因素图解https://blog.csdn.net/weixin_42341655/article/details/120299008?spm=1001.201 ...
一元线性回归python代码
目录 1.最小二乘法: 2.梯度下降法: 3.理论加实践: 4.python代码: 4.1梯度下降法: 4.2最小二乘法学习引入:机器学习中的参数模型(线性回归,逻辑回归)等.在这里我们只进行一元线 ...
梯度下降及一元线性回归[python代码]（二）
第一章.AI人工智能入门之梯度下降及一元线性回归(2) 目录第一章.AI人工智能入门之梯度下降及一元线性回归(2) 一.线性回归是什么? 二.线性回归的应用三.线性回归的一般形式四.一元线性回归 ...
基于线性回归的波士顿房价预测
折线图代码 #-*-coding:utf-8-*- import pandas as pd import numpy as np import matplotlib.pyplot as plt #加载 ...
线性回归实战【房价预测】
前言本文属于线性回归算法[AIoT阶段三],这里截取自其中一段内容,方便读者理解和根据需求快速阅读.本文通过公式推导+代码两个方面同时进行,因为涉及到代码的编译运行,如果你没有 NumPyNumP ...
python房价_用python进行房价预测
开始打怪升级之路啦,朝着更严谨细腻的数据科学之路前进! 一.项目介绍数据集来自kaggle,数据来源 :房价预测kaggle入门项目.Ames数据集包含来自Ames评估办公室的2930条记录. 该数 ...

一元线性回归python示例——房价预测

参考

一元线性回归python示例——房价预测相关推荐

最新文章

热门文章