迴歸模型與房價預測

1. 導入boston房價數據集

2. 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。

3. 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。

4.  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。

 

#1. 導入boston房價數據集
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

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。
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')#迴歸線
plt.show()

#4.  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。
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()