第十二次做業——基於波士頓數據集的迴歸模型與房價預測

任務：

1. 導入boston房價數據集

1. 一元線性迴歸模型，創建一個變量與房價之間的預測模型，並圖形化顯示。

1. 多元線性迴歸模型，創建13個變量與房價之間的預測模型，並檢測模型好壞，並圖形化顯示檢查結果。

1. 一元多項式迴歸模型，創建一個變量與房價之間的預測模型，並圖形化顯示。

##一、導入Boston數據集

#!/usr/bin/python
# -*- coding:utf-8 -*-
# -*- author:DavidHuang -*-

from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston
from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVR
from  sklearn.metrics import r2_score,mean_squared_error,mean_absolute_error
import numpy as np
import pandas as pd

boston = load_boston()
#
# print(boston.DESCR)		#	共506條波士頓地區房價信息，每條13項數值特徵描述和目標房價
# print("最大房價：",np.max(boston.target))
# print("最小房價:",np.min(boston.target))
# print("平均房價：",np.mean(boston.target))
#

能夠看到波士頓數據集的有關信息

print("開始進行預測和分析！\n========================")
print(bos.keys())==")

bos = load_boston()
bos.keys()
數據集大小
print("數據集大小\n",boston.data.shape)
數據集特徵
print("數據集特徵\n",boston.feature_names)
數據集預測
print("數據集預測\n",boston.target)