python＋jupyter＋sklearn 利用线性回归预测房价

利用线性回归预测波士顿房价

主要内容有：

1、数据读取与预处理

2、编写绘图函数

3、基于sklearn的线性回归

4、基于公式法的线性回归

5、模型效果对比

1、数据读取与预处理

1.1、数据读取

这里使用已经收集好的数据集Boston.csv，而不是sklearn自带的数据集, 并用pandas进行读取：

查看数据：（其中MEDV是目标值）

1.2、数据预处理

采用[0,1]归一化：

编写获取可用于训练的模型数据的函数：

获取模型数据：

2、编写绘图函数

3、基于sklearn的线性回归

模型训练：

结果可视化：

其中模型的决定系数位0.6571，说明该线性关系可以解释房价的65.71%。

4、基于公式法的线性回归

创建线性回归的类和获取决定系数R2

模型训练：

结果可视化：

其中模型的决定系数为0.74.46，说该明线性关系可以解释房价的74.46%。

5、模型效果对比

基于sklearn的线性回归模型的决定系数位0.6571，说明该线性关系可以解释房价的65.71%

基于公式法的线性回归模型的决定系数为0.74.46，说该明线性关系可以解释房价的74.46%。

这里可见基于公式法的线性回归模型效果好一点。