回归模型与房价预测

1. 导入boston房价数据集

2. 一元线性回归模型，建立一个变量与房价之间的预测模型，并图形化显示。

3. 多元线性回归模型，建立13个变量与房价之间的预测模型，并检测模型好坏，并图形化显示检查结果。

4.  一元多项式回归模型，建立一个变量与房价之间的预测模型，并图形化显示。

#1. 导入boston房价数据集
from sklearn.datasets import load_boston
boston=load_boston()
boston.keys()

boston.feature_names

print(boston.DESCR)

boston.target

import pandas as pd
df=pd.DataFrame(boston.data)
df
#print(df)

#2.一元线性回归模型，建立一个变量与房价之间的预测模型，并图形化显示

import matplotlib.pyplot as plt
x=boston.data[:,5]
y=boston.target
plt.figure(figsize=(10,6))
plt.scatter(x,y)
plt.plot(x,11.11*x-45,'g')
plt.show()

from sklearn.linear_model import LinearRegression
LineR = LinearRegression()
LineR.fit(x.reshape(-1,1),y)
LineR.coef_
LineR.intercept_

 

from sklearn.linear_model import LinearRegression
LineR = LinearRegression()
LineR.fit(x.reshape(-1,1),y)
LineR.coef_

LineR.intercept_

#3. 多元线性回归模型，建立13个变量与房价之间的预测模型，并检测模型好坏，并图形化显示检查结果。
from sklearn.linear_model import LinearRegression
LineR = LinearRegression()
LineR.fit(boston.data,y)
w=LineR.coef_
b=LineR.intercept_
w
b

 

x=boston.data[:,12] 
y=boston.target
plt.figure(figsize=(10,6))
plt.scatter(x,y)
plt.plot(x,5.75*x-40.58,'g')#回归线
plt.show()

#4.  一元多项式回归模型，建立一个变量与房价之间的预测模型，并图形化显示。
import matplotlib.pyplot as plt
x=boston.data[:,12].reshape(-1,1)
y=boston.target
plt.figure(figsize=(10,6))
plt.scatter(x,y)

from sklearn.linear_model import LinearRegression
lineR=LinearRegression()
lineR.fit(x,y)
y_pred=lineR.predict(x)
plt.plot(x,y_pred,'g')
print(lineR.coef_,lineR.intercept_)
plt.show()

from sklearn.preprocessing import PolynomialFeatures
poly=PolynomialFeatures(degree=2)
x_poly=poly.fit_transform(x)

lrp=LinearRegression()
lrp.fit(x_poly,y)
y_poly_pred=lrp.predict(x_poly)
plt.scatter(x,y)
plt.scatter(x,y_pred)
plt.scatter(x,y_poly_pred)
plt.show()