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价的关系。
数据集中的每一行数据都是对波士顿周边或城镇房价的情况描述,下面对数据集变量进行说明,方便大家理解数据集变量代表的意义。
CRIM: 城镇人均犯罪率
ZN: 住宅用地所占比例
INDUS: 城镇中非住宅用地所占比例
CHAS: 虚拟变量,用于回归分析
NOX: 环保指数
RM: 每栋住宅的房间数
AGE: 1940 年以前建成的自住单位的比例
DIS: 距离 5 个波士顿的就业中心的加权距离
RAD: 距离高速公路的便利指数
TAX: 每一万美元的不动产税率
PTRATIO: 城镇中的教师学生比例
B: 城镇中的黑人比例
LSTAT: 地区中有多少房东属于低收入人群
MEDV: 自住房屋房价中位数(也就是均价)
二、实验步骤
首先导入数据集,对数据进行分析
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
2.导入数据,波士顿房价数据集
data=load_boston()
3.查看x和y轴的数据
data.target #x轴数据
data.data #y轴数据
4.处理数据,输出数据
def linear_model1():
data = load_boston()
print(data.data)
print(data.target)
x_train, x_test, y_train, y_test = train_test_split(data.data, data.target,random_state=22)
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.fit_transform(x_test)
estimator = LinearRegression()
estimator.fit(x_train, y_train)
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_)
error = mean_squared_error(y_test, y_predict)
print("误差为:\n", error)
return None
以上学习就是这些啦~
期待下一堂课的学习知识!!!
学号:202113430111
姓名:蒋文倩
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
· ·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 ...
- 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
- 显示一个顶层的提示信息
- 贝叶斯、香农、奥卡姆合写博客「机器学习是什么」
- 入行Web前端,这些侧重点和学习方法你要了解
- 零中频接收机频率转换图_接收机抗噪声技术
- 如何访问静态成员php,php – 如何访问类的静态成员?
- linux中关于ssh实验,操作系统实验三linux的telnetftpssh的相关配置及验证
- 7月20日专家在线访谈“员工上网管理是否可行”
- iPhone 4 Cydia使用教程!精选Cydia源!cydia怎么添加源!Cydia源使用方法!越狱后使用cydia全攻略!...
- Unity实现简单卡牌游戏框架
- pytorch使用万能模板
- Android 插件化原理(三),通过hook启动插件Activity,修改Resources,调用插件资源
- 万字深度报告丨数据中心投资价值全解析
- 计算机无法打开pdf文件夹,计算机打开PDF文档时发生错误. 如何修复损坏的文件...
- SMART PLC堆栈LIFO(后进先出)算法实现(功能块)
- Zabbix-3.0.X 监测服务器硬盘IO状态
- @CacheEvict注解,清除缓存
- 计算机怎么打开隐藏的项目,展示win10系统怎么打开隐藏文件夹
- windows7远程桌面连接时崩溃问题
- 苹果xr如何截屏_iphone敲两下截屏如何操作 苹果手机触控截屏方法【教程步骤】...
- 实例003:完全平方数 一个整数,它加上100后是一个完全平方数,再加上168又是一个完全平方数,请问该数是多少?
热门文章
- 做空不再瞻前顾后!CoinBene满币USDT永续合约实盘上线(1)
- 微信多开?一招教你想开几个开几个
- 试用版Platform Builder 6.0到期后的解决办法
- CSS布局页面之盒子模型
- python中cv2提取图像rgb值,获取RGB值opencv python
- 【问题4】:kaggle练习题《自行车租赁业务预测》--带数据分析,用了随机森林,支持向量机,岭回归等
- java用poi 生成excel并单元格,字体,样式
- pcss评分_[刺客信条:大革命 v1.4升级档+免DVD补丁RELOADED版[修正BUG|提高稳定性]][Assassin’s Creed: Unity][1.5G][2014]...
- Coding and Paper Letter(十九)
- (二)Linux嵌入式开发——软件安装(Ubuntu)